Migliorare l’efficacia della valutazione della depressione con i modelli di intelligenza artificiale

Forse hai sentito dire che le persone possono rilevare e valutare le emozioni e l'umore di un individuo in modo relativamente accurato attraverso l'intonazione della voce o qualsiasi suono emesso da quella persona. In effetti, molte startup ambiziose come Beyond Verbal, Affectiva e Cogito, spin-out del MIT, stanno attualmente guidando progetti di elaborazione del linguaggio naturale per realizzare questo obiettivo. Tuttavia, ci sono anche molte persone che sono scettiche su questi progetti e credono che i dati validi da soli non siano sufficienti per analizzare con precisione l'umore di una persona, per non parlare di applicarlo. Utilizzare questi risultati di analisi per diagnosticare la depressione e la sua gravità.

• Il modello AI della Disney genera sequenze animate da script

Questo è il motivo per cui gli scienziati dell'Indian Institute of Technology Patna e dell'Università di Caen Normandy hanno intrapreso l'implementazione di un potenziale progetto, che utilizza segnali verbali e non verbali (linguaggio del corpo), combinati con acustica, testo e immagini per diagnosticare e valutare il livello di depressione o stress che una persona sta vivendo. In particolare, i segnali verbali e non verbali continueranno a svolgere un ruolo chiave nella diagnosi, mentre i segni e le immagini non verbali verranno utilizzati come fattori che aiutano a migliorare significativamente la diagnosi.Accuratezza nella stima della gravità della depressione.

“Il peso del lavoro e della vita fa sì che sempre più persone convivano con la depressione e persino con malattie mentali di cui a volte non sono nemmeno a conoscenza, portando a malattie sempre più gravi, che diventano più gravi e hanno effetti negativi sulla vita e sul lavoro. Questo è anche il motivo per cui dobbiamo promuovere ulteriormente l’impiego di tecnologie più avanzate, personalizzate e automatizzate nell’individuazione, valutazione e trattamento delle malattie mentali in generale e della depressione in particolare. Tuttavia, individuare i primi segni di depressione è un problema impegnativo perché molti sintomi di questa malattia sono ancora segreti e possono essere fuorvianti", hanno condiviso i ricercatori.

• UE: i sistemi di intelligenza artificiale dovrebbero essere costruiti e diffusi in modo trasparente e responsabile

Per risolvere questo problema, gli scienziati dell’Indian Institute of Technology Patna e dell’Università di Caen Normandy hanno codificato una serie di elementi che possono riferirsi implicitamente alle emozioni e agli stati umani, inclusi pensieri, come abbassare la testa, contatto visivo, durata e intensità dei sorrisi, gesti che toccano determinate aree del corpo, insieme a testo e segnali verbali... E poi inseriti nella macchina del modello di apprendimento e poi combinati in vettori (rappresentazioni matematiche). Questi vettori uniti sono stati poi passati attraverso un secondo sistema che prevedeva i livelli di depressione sulla base della Personal Health Distress Scale (PHQ-8), un test diagnostico comunemente utilizzato negli studi clinici.Ricerca di psicologia clinica su larga scala.

Per addestrare vari sistemi di intelligenza artificiale, i ricercatori hanno utilizzato i dati in AIC-WOZ, un set di dati relativi alla depressione compilato dal Distress Analysis Interview Corpus. Questo set di dati include un'enorme quantità di dati su gesti, parole, occhi e azioni estratti sulla base di campioni di registrazioni audio e videoclip che rispondono alle domande di 189 interviste cliniche, pronti a supportare la diagnosi psicologica di sintomi quali ansia, depressione e disturbi post-traumatici. disturbo da stress (le risposte fuori tema o lasciate incompiute sono state rimosse).

• Il modello di intelligenza artificiale del MIT è in grado di acquisire autonomamente le relazioni tra gli oggetti con dati di addestramento minimi

Dopo diverse fasi di preelaborazione e addestramento del modello di apprendimento automatico, il team di ricerca ha confrontato i risultati dei sistemi di intelligenza artificiale utilizzando 3 parametri: errore quadratico medio (RMSE), errore assoluto medio (MAE) e punteggio di varianza spiegata (EVS). Secondo il rapporto dei ricercatori, la fusione dei tre elementi suono, testo e immagine ha contribuito a fornire la stima più accurata del livello di depressione di un soggetto specifico, superando rispetto al massimo il 7,17% su RMSE e l'8,08% su MAE.

• Il premio "Nobel per la tecnologia" è stato assegnato al software che insegna all'intelligenza artificiale a imparare come gli esseri umani

In futuro, il gruppo di ricerca prevede anche di testare architetture di apprendimento multitasking più moderne e di "scavare" più a fondo nei nuovi problemi legati ai dati di testo. Se porteranno risultati positivi, questi progetti rappresenteranno davvero un grande passo avanti nell’applicazione dell’intelligenza artificiale alla medicina in generale e nel trattamento delle malattie neurologiche in particolare, offrendo prospettive promettenti per gli oltre 300 milioni di persone che attualmente soffrono di depressione. si prevede che aumenterà ancora più rapidamente nei prossimi anni, su scala mondiale.