AI 모델을 통해 우울증 평가의 효율성 향상

아마도 사람들이 음성 억양이나 사람이 내는 소리를 통해 개인의 감정과 기분을 상대적으로 정확하게 감지하고 평가할 수 있다는 말을 들어보셨을 것입니다. 실제로 Beyond Verbal, Affectiva 및 MIT에서 분사한 Cogito와 같은 많은 야심찬 스타트업이 현재 이를 실현하기 위해 자연어 처리 프로젝트를 추진하고 있습니다. 그러나 이러한 프로젝트에 대해 회의적인 의견도 많았고, 사운드 데이터만으로는 사람의 기분을 정확하게 분석하고 적용하기에는 역부족이라는 의견도 많았습니다. 이러한 분석 결과를 우울증의 심각도와 진단에 활용하세요.

• Disney의 AI 모델은 스크립트에서 애니메이션 시퀀스를 생성합니다.

이것이 인도 기술 연구소 파트나(Patna)와 캉 노르망디 대학(Caen Normandy University)의 과학자들이 음향, 텍스트 및 이미지와 결합하여 언어 및 비언어적 신호(신체 언어)를 사용하여 질병을 진단하고 평가하는 잠재적인 프로젝트를 구현하기 시작한 이유입니다. 사람이 겪고 있는 우울증이나 스트레스의 수준. 특히, 언어적, 비언어적 신호는 여전히 진단에 중요한 역할을 하며, 비언어적 기호와 이미지는 진단을 크게 개선하는 데 도움이 되는 요소로 활용되어 우울증의 중증도를 정확하게 추정할 수 있습니다.

“일과 삶의 부담으로 인해 점점 더 많은 사람들이 우울증, 심지어 자신도 모르는 정신 질환을 안고 살아가게 되면서 점점 더 심각한 질병으로 이어지고 있으며, 이는 더욱 심각해지고 삶과 일에 부정적인 영향을 미치고 있습니다. 이는 또한 우리가 정신 질환, 일반적인 정신 질환, 특히 우울증의 탐지, 평가 및 치료에 있어 보다 진보되고 개인화되었으며 자동화된 기술의 배치를 더욱 촉진해야 하는 이유이기도 합니다. 그러나 우울증의 초기 징후를 발견하는 것은 어려운 문제입니다. 왜냐하면 이 질병의 많은 증상이 여전히 비밀스럽고 오해의 소지가 있을 수 있기 때문입니다."라고 연구진은 말했습니다.

• EU: AI 시스템은 투명하고 책임감 있는 방식으로 구축 및 배포되어야 합니다.

이 문제를 해결하기 위해 인도 파트나 공과대학(Indian Institute of Technology Patna)과 캉 노르망디 대학교(Caen Normandy University)의 과학자들은 머리 처짐, 눈맞춤, 미소의 지속 시간 및 강도, 텍스트 및 언어적 단서와 함께 신체의 특정 영역을 만지는 제스처… 그런 다음 학습 모델 기계에 입력된 다음 이를 벡터(수학적 표현)로 결합합니다. 이러한 병합된 벡터는 임상 시험에서 일반적으로 사용되는 진단 테스트인 PHQ-8(Personal Health Distress Scale)을 기반으로 우울증 수준을 예측하는 두 번째 시스템을 통과했습니다. 대규모 임상 심리학 연구.

다양한 AI 시스템을 훈련하기 위해 연구원들은 고통 분석 인터뷰 코퍼스(Distress Analysis Interview Corpus)에서 수집된 우울증 관련 데이터 세트인 AIC-WOZ의 데이터를 사용했습니다. 이 데이터 세트에는 오디오 녹음 샘플, 189건의 임상 인터뷰 질문에 답변하는 비디오 클립을 기반으로 추출된 제스처, 말, 눈 및 행동에 대한 방대한 양의 데이터가 포함되어 있으며 불안, 우울증 및 외상 후 증상에 대한 심리 진단을 지원할 준비가 되어 있습니다. 스트레스 장애(주제에서 벗어나거나 완료되지 않은 답변은 삭제되었습니다).

• MIT의 AI 모델은 최소한의 훈련 데이터로 객체 간의 관계를 스스로 포착할 수 있다

연구팀은 여러 전처리 단계와 머신러닝 모델 훈련을 마친 후 평균 제곱 오차(RMSE), 평균 절대 오차(MAE), 설명된 분산 점수(EVS) 등 3가지 지표를 사용하여 AI 시스템의 결과를 비교했습니다. 연구진의 보고서에 따르면 소리, 텍스트, 이미지의 세 가지 요소를 융합하면 특정 대상의 우울증 수준을 가장 정확하게 추정하는 데 도움이 되었으며, 이는 RMSE의 최대치 7.17%, MAE의 최대치 8.08%를 능가했습니다.

• AI에게 인간처럼 학습하도록 가르치는 소프트웨어에 '노벨 기술상' 수여

앞으로 연구팀은 보다 현대적인 멀티 태스킹 학습 아키텍처를 테스트하고 텍스트 데이터와 관련된 새로운 문제를 더 깊이 "파고"할 계획입니다. 긍정적인 결과를 가져온다면, 이 프로젝트는 인공지능을 일반적인 의학, 특히 신경 질환 치료에 적용하는 데 큰 진전이 될 것이며, 현재 우울증을 앓고 있는 3억 명이 넘는 사람들에게 유망한 전망을 제시할 것입니다. 이는 향후 몇 년 동안 전 세계적으로 더욱 빠르게 증가할 것으로 예상됩니다.