تحسين فعالية تقييم الاكتئاب باستخدام نماذج الذكاء الاصطناعي

ربما سمعت أن الناس يمكنهم اكتشاف وتقييم مشاعر الفرد وحالته المزاجية بدقة نسبية من خلال نغمة الصوت أو أي صوت يصدره هذا الشخص. في الواقع، العديد من الشركات الناشئة الطموحة مثل Beyond Verbal وAffectiva وMIT spinout Cogito تقود حاليًا مشاريع معالجة اللغة الطبيعية لتحقيق ذلك. ومع ذلك، فقد ظهرت أيضًا العديد من الآراء المشككة في تلك المشاريع، وترى أن البيانات السليمة وحدها لا تكفي لتحليل الحالة المزاجية للشخص بدقة، ناهيك عن تطبيقها، استخدم نتائج التحليل هذه لتشخيص الاكتئاب وكذلك مدى خطورته.

• يقوم نموذج ديزني للذكاء الاصطناعي بإنشاء تسلسلات متحركة من النصوص

وهذا هو السبب الذي دفع العلماء في المعهد الهندي للتكنولوجيا باتنا وجامعة كاين نورماندي إلى تنفيذ مشروع محتمل، وهو استخدام الإشارات اللفظية وغير اللفظية (لغة الجسد)، جنبًا إلى جنب مع الصوتيات والنصوص والصور لتشخيص وتقييم الحالة. مستوى الاكتئاب أو التوتر الذي يعاني منه الشخص. وعلى وجه الخصوص، ستظل الإشارات اللفظية وغير اللفظية تلعب دورًا رئيسيًا في التشخيص، بينما سيتم استخدام العلامات والصور غير اللفظية كعوامل تساعد بشكل كبير في تحسين التشخيص الدقيق في تقدير شدة الاكتئاب.

"إن عبء العمل والحياة يتسبب في إصابة المزيد والمزيد من الأشخاص بالاكتئاب وحتى الأمراض العقلية التي لا يعرفون عنها في بعض الأحيان، مما يؤدي إلى أمراض خطيرة بشكل متزايد. وتصبح أكثر خطورة، وتتسبب في آثار سلبية على الحياة والعمل. وهذا هو السبب أيضًا وراء ضرورة تعزيز نشر تقنيات أكثر تقدمًا وتخصيصًا وآلية في اكتشاف وتقييم وعلاج الأمراض العقلية والأمراض العقلية بشكل عام والاكتئاب بشكل خاص. ومع ذلك، فإن الكشف عن العلامات المبكرة للاكتئاب يمثل مشكلة صعبة لأن العديد من أعراض هذا المرض لا تزال سرية ويمكن أن تكون مضللة".

• الاتحاد الأوروبي: ينبغي بناء أنظمة الذكاء الاصطناعي ونشرها بطريقة شفافة ومسؤولة

ولحل هذه المشكلة، قام العلماء في المعهد الهندي للتكنولوجيا باتنا وجامعة كاين نورماندي بتشفير عدد من العناصر التي يمكن أن تشير ضمنيًا إلى المشاعر والحالات الإنسانية، بما في ذلك الأفكار، مثل تدلي الرأس، والتواصل البصري، ومدة الابتسامات وشدتها، الإيماءات التي تمس مناطق معينة من الجسم، جنبًا إلى جنب مع النص والإشارات اللفظية... ثم يتم إدخالها في آلة نموذج التعلم ثم دمجها في متجهات (تمثيلات رياضية). ثم تم تمرير هذه النواقل المدمجة من خلال نظام ثانٍ تنبأ بمستويات الاكتئاب بناءً على مقياس الضائقة الصحية الشخصية (PHQ-8) - وهو اختبار تشخيصي شائع الاستخدام في التجارب السريرية، وهو عبارة عن أبحاث علم النفس السريري واسعة النطاق.

لتدريب أنظمة الذكاء الاصطناعي المختلفة، استخدم الباحثون البيانات في AIC-WOZ - وهي مجموعة بيانات متعلقة بالاكتئاب تم تجميعها من مجموعة مقابلة تحليل الاستغاثة. تتضمن مجموعة البيانات هذه كمية هائلة من البيانات حول الإيماءات والكلام والعينين بالإضافة إلى الإجراءات المستخرجة بناءً على عينات التسجيل الصوتي ومقاطع الفيديو التي تجيب على أسئلة من 189 مقابلة سريرية، وهي جاهزة لدعم التشخيص النفسي لأعراض مثل القلق والاكتئاب وحالات ما بعد الصدمة. اضطراب التوتر (تمت إزالة الإجابات التي هي خارج الموضوع أو التي تركت غير مكتملة).

• يمكن لنموذج الذكاء الاصطناعي التابع لمعهد ماساتشوستس للتكنولوجيا التقاط العلاقات بين الأشياء من تلقاء نفسه باستخدام الحد الأدنى من بيانات التدريب

بعد عدة خطوات معالجة مسبقة والتدريب على نموذج التعلم الآلي، قام فريق البحث بمقارنة نتائج أنظمة الذكاء الاصطناعي باستخدام 3 مقاييس: متوسط ​​الخطأ المربع (RMSE)، ومتوسط ​​الخطأ المطلق (MAE)، ودرجة التباين الموضح (EVS). وفقًا لتقرير الباحثين، ساعد دمج العناصر الثلاثة للصوت والنص والصورة في تقديم التقدير الأكثر دقة لمستوى الاكتئاب لدى موضوع معين، متجاوزًا الحد الأقصى البالغ 7.17% في RMSE و8.08% في MAE.

• مُنحت جائزة "نوبل للتكنولوجيا" للبرمجيات التي تعلم الذكاء الاصطناعي كيفية التعلم مثل البشر

وفي المستقبل، يخطط فريق البحث أيضًا لاختبار المزيد من بنيات التعلم الحديثة متعددة المهام، و"التعمق" في المشكلات الجديدة المتعلقة بالبيانات النصية. إذا حققت هذه المشاريع نتائج إيجابية، فستكون حقًا خطوة قوية إلى الأمام في تطبيق الذكاء الاصطناعي على الطب بشكل عام وفي علاج الأمراض العصبية بشكل خاص، بينما تجلب توقعات واعدة لأكثر من 300 مليون شخص يعانون حاليًا من الاكتئاب. ومن المتوقع أن يزداد بشكل أسرع في السنوات القليلة المقبلة، على نطاق عالمي.