Popraw skuteczność oceny depresji za pomocą modeli AI

Być może słyszałeś, że ludzie potrafią stosunkowo dokładnie wykryć i ocenić emocje i nastrój danej osoby na podstawie intonacji głosu lub dowolnego dźwięku wydawanego przez tę osobę. W rzeczywistości wiele ambitnych start-upów, takich jak Beyond Verbal, Affectiva i Cogito, spinout MIT, prowadzi obecnie projekty przetwarzania języka naturalnego, aby tak się stało. Jednak pojawiło się także wiele opinii sceptycznych wobec tych projektów, uważających, że same rzetelne dane nie wystarczą do dokładnej analizy nastroju danej osoby, a tym bardziej do jej zastosowania.Wyniki analiz można wykorzystać do diagnozowania depresji i jej nasilenia.

• Model sztucznej inteligencji Disneya generuje animowane sekwencje na podstawie skryptów

Z tego powodu naukowcy z Indyjskiego Instytutu Technologii Patna i Uniwersytetu Caen Normandy rozpoczęli realizację potencjalnego projektu, który wykorzystuje sygnały werbalne i niewerbalne (język ciała) w połączeniu z akustyką, tekstem i obrazem w celu zdiagnozowania i oceny poziom depresji lub stresu, jakiego doświadcza dana osoba. W szczególności sygnały werbalne i niewerbalne nadal będą odgrywać kluczową rolę w diagnozie, natomiast znaki i obrazy niewerbalne będą wykorzystywane jako czynniki znacząco poprawiające diagnozę.Dokładne w ocenie nasilenia depresji.

„Obciążenie pracą i życiem powoduje, że coraz więcej osób cierpi na depresję, a nawet choroby psychiczne, o których czasami nawet nie wiedzą, co prowadzi do coraz poważniejszych chorób, które stają się coraz poważniejsze i mają negatywny wpływ na życie i pracę. Jest to również powód, dla którego musimy w dalszym ciągu promować wdrażanie bardziej zaawansowanych, spersonalizowanych i zautomatyzowanych technologii w zakresie wykrywania, oceny i leczenia chorób psychicznych, ogólnie chorób psychicznych, a w szczególności depresji. Jednak wykrycie wczesnych objawów depresji stanowi trudny problem, ponieważ wiele objawów tej choroby jest nadal tajemnicą i może wprowadzać w błąd” – podzielili się badacze.

• UE: Systemy sztucznej inteligencji należy budować i wdrażać w sposób przejrzysty i odpowiedzialny

Aby rozwiązać ten problem, naukowcy z Indyjskiego Instytutu Technologii Patna i Uniwersytetu Caen Normandy zakodowali szereg elementów, które mogą pośrednio odnosić się do ludzkich emocji i stanów, w tym myśli, takich jak opadanie głowy, kontakt wzrokowy, czas trwania i intensywność uśmiechów, gesty dotykające określonych obszarów ciała, wraz z tekstem i wskazówkami werbalnymi… A następnie wprowadzane do uczącej się maszyny modelującej i następnie łączone w wektory (reprezentacje matematyczne). Te połączone wektory przepuszczono następnie przez drugi system, który przewidywał poziom depresji w oparciu o Skalę Stanu Zdrowia Osobistego (PHQ-8) – test diagnostyczny powszechnie stosowany w badaniach klinicznych.Zakrojone na szeroką skalę badania z zakresu psychologii klinicznej.

Aby wytrenować różne systemy sztucznej inteligencji, naukowcy wykorzystali dane z AIC-WOZ – zbioru danych dotyczących depresji zebranego z korpusu wywiadów z analizą dystresu. Ten zbiór danych zawiera ogromną ilość danych o gestach, mowie, oczach, a także działaniach wyodrębnionych na podstawie próbek nagrań audio, klipów wideo odpowiadających na pytania ze 189 wywiadów klinicznych.Gotowy do wsparcia diagnozy psychologicznej pod kątem objawów takich jak lęk, depresja i zespół pourazowy zaburzenie stresowe (odpowiedzi nie na temat lub niedokończone zostały usunięte).

• Model sztucznej inteligencji MIT może samodzielnie uchwycić relacje między obiektami przy minimalnej ilości danych szkoleniowych

Po kilku etapach wstępnego przetwarzania i przeszkoleniu modelu uczenia maszynowego zespół badawczy porównał wyniki systemów AI przy użyciu 3 wskaźników: błędu średniokwadratowego (RMSE), średniego błędu bezwzględnego (MAE) i wyniku wyjaśnionej wariancji (EVS). Według raportu naukowców połączenie trzech elementów: dźwięku, tekstu i obrazu pomogło w najdokładniejszym oszacowaniu poziomu depresji u konkretnego pacjenta, przekraczającego maksymalne wartości wynoszące 7,17% w przypadku RMSE i 8,08% w przypadku MAE.

• Nagroda „Technologia Nobla” została przyznana oprogramowaniu, które uczy AI uczyć się jak ludzie

W przyszłości zespół badawczy planuje także przetestować nowocześniejsze architektury uczenia się wielozadaniowego i „wgłębić się” w nowe problemy związane z danymi tekstowymi. Jeżeli przyniosą pozytywne rezultaty, projekty te będą naprawdę poważnym krokiem naprzód w zastosowaniu sztucznej inteligencji w medycynie w ogóle, a w szczególności w leczeniu chorób neurologicznych, przynosząc jednocześnie obiecujące perspektywy dla ponad 300 milionów osób cierpiących obecnie na depresję, oraz oczekuje się, że w ciągu najbliższych kilku lat w skali światowej będzie ona rosła jeszcze szybciej.