Verbessern Sie die Wirksamkeit der Beurteilung von Depressionen mit KI-Modellen

Vielleicht haben Sie gehört, dass Menschen die Emotionen und die Stimmung einer Person anhand der Intonation ihrer Stimme oder aller Geräusche, die diese Person macht, relativ genau erkennen und einschätzen können. Tatsächlich treiben viele ambitionierte Startups wie Beyond Verbal, Affectiva und das MIT-Spinout Cogito derzeit Projekte zur Verarbeitung natürlicher Sprache voran, um dies zu erreichen. Allerdings gibt es auch viele Meinungen, die diesen Projekten skeptisch gegenüberstehen und glauben, dass fundierte Daten allein nicht ausreichen, um die Stimmung einer Person genau zu analysieren, geschweige denn anzuwenden. Nutzen Sie diese Analyseergebnisse, um Depressionen und deren Schweregrad zu diagnostizieren.

• Disneys KI-Modell generiert aus Drehbüchern animierte Sequenzen

Aus diesem Grund haben Wissenschaftler des Indian Institute of Technology Patna und der Caen Normandy University mit der Umsetzung eines potenziellen Projekts begonnen, bei dem verbale und nonverbale Signale (Körpersprache), Akustik, Text und Bilder kombiniert werden, um das zu diagnostizieren und zu beurteilen Grad der Depression oder des Stresses, unter dem eine Person leidet. Insbesondere verbale und nonverbale Signale werden weiterhin eine Schlüsselrolle bei der Diagnose spielen, während nonverbale Zeichen und Bilder als Faktoren genutzt werden, die dazu beitragen, die Diagnose deutlich zu verbessern. Genaue Einschätzung des Schweregrads einer Depression.

„Die Belastung durch Arbeit und Leben führt dazu, dass immer mehr Menschen mit Depressionen und sogar psychischen Erkrankungen leben, von denen sie manchmal gar nichts wissen, was zu immer schwerwiegenderen Erkrankungen führt. wird schwerwiegender und hat negative Auswirkungen auf Leben und Arbeit.“ Dies ist auch der Grund, warum wir den Einsatz fortschrittlicherer, personalisierter und automatisierter Technologien bei der Erkennung, Beurteilung und Behandlung von psychischen Erkrankungen, psychischen Erkrankungen im Allgemeinen und Depressionen im Besonderen, weiter vorantreiben müssen. Allerdings ist die Erkennung früher Anzeichen einer Depression ein schwieriges Problem, da viele Symptome dieser Krankheit immer noch geheim sind und irreführend sein können“, teilen die Forscher mit.

• EU: KI-Systeme sollten auf transparente und verantwortungsvolle Weise aufgebaut und eingesetzt werden

Um dieses Problem zu lösen, haben Wissenschaftler des Indian Institute of Technology Patna und der Caen Normandy University eine Reihe von Elementen kodiert, die sich implizit auf menschliche Emotionen und Zustände, einschließlich Gedanken, beziehen können, wie etwa gesenkter Kopf, Augenkontakt, Dauer und Intensität des Lächelns, Gesten, die bestimmte Bereiche des Körpers berühren, zusammen mit Text und verbalen Hinweisen … Und dann in die Lernmodellmaschine eingespeist und dann zu Vektoren (mathematische Darstellungen) kombiniert. Diese zusammengeführten Vektoren wurden dann durch ein zweites System geleitet, das das Ausmaß der Depression auf der Grundlage der Personal Health Distress Scale (PHQ-8) vorhersagte – einem diagnostischen Test, der häufig in klinischen Studien verwendet wird. Groß angelegte klinische Psychologieforschung.

Um verschiedene KI-Systeme zu trainieren, verwendeten die Forscher Daten in AIC-WOZ – einem depressionsbezogenen Datensatz, der aus dem Distress Analysis Interview Corpus zusammengestellt wurde. Dieser Datensatz enthält eine riesige Menge an Daten über Gesten, Sprache, Augen sowie Aktionen, die auf der Grundlage von Audioaufzeichnungsbeispielen und Videoclips zur Beantwortung von Fragen aus 189 klinischen Interviews extrahiert wurden. Sie sind bereit, die psychologische Diagnose von Symptomen wie Angstzuständen, Depressionen und posttraumatischen Symptomen zu unterstützen Belastungsstörung (Antworten, die nicht zum Thema gehören oder nicht abgeschlossen sind, wurden entfernt).

• Das KI-Modell des MIT kann mit minimalen Trainingsdaten selbstständig Beziehungen zwischen Objekten erfassen

Nach mehreren Vorverarbeitungsschritten und dem Training des maschinellen Lernmodells verglich das Forschungsteam die Ergebnisse von KI-Systemen anhand von drei Metriken: mittlerer quadratischer Fehler (RMSE), mittlerer absoluter Fehler (MAE) und erklärter Varianzwert (EVS). Dem Bericht der Forscher zufolge trug die Verschmelzung der drei Elemente Ton, Text und Bild dazu bei, die genaueste Schätzung des Depressionsgrads einer bestimmten Person zu liefern, und übertraf damit den Maximalwert von 7,17 % bei RMSE und 8,08 % bei MAE.

• Der „Technologienobelpreis“ wurde an Software verliehen, die der KI beibringt, wie Menschen zu lernen

In Zukunft plant das Forschungsteam auch, modernere Multitasking-Lernarchitekturen zu testen und sich eingehender mit neuen Problemen im Zusammenhang mit Textdaten zu befassen. Wenn sie positive Ergebnisse bringen, werden diese Projekte wirklich einen großen Schritt vorwärts bei der Anwendung künstlicher Intelligenz in der Medizin im Allgemeinen und bei der Behandlung neurologischer Erkrankungen im Besonderen darstellen und gleichzeitig vielversprechende Aussichten für die mehr als 300 Millionen Menschen bringen, die derzeit an Depressionen leiden Es wird erwartet, dass sie in den nächsten Jahren weltweit noch schneller zunehmen wird.