Software Empresarial

Melhore a eficácia da avaliação da depressão com modelos de IA

Você já deve ter ouvido falar de pessoas que são capazes de detectar e prever as emoções e o humor de um indivíduo com relativa precisão por meio da entonação da voz ou de qualquer som que essa pessoa emita.

Talvez você já tenha ouvido falar que as pessoas podem detectar e avaliar as emoções e o humor de um indivíduo com relativa precisão por meio da entonação da voz ou de qualquer som que essa pessoa emita. Na verdade, muitas startups ambiciosas como Beyond Verbal, Affectiva e Cogito, spinout do MIT, estão atualmente conduzindo projetos de processamento de linguagem natural para que isso aconteça. No entanto, também tem havido muitas opiniões céticas em relação a esses projetos e acreditam que dados sólidos por si só não são suficientes para analisar com precisão o humor de uma pessoa, muito menos aplicá-lo.Use os resultados da análise para diagnosticar a depressão, bem como a sua gravidade.

Melhore a eficácia da avaliação da depressão com modelos de IA

Esta é a razão pela qual cientistas do Instituto Indiano de Tecnologia de Patna e da Universidade de Caen Normandy embarcaram na implementação de um projeto potencial, que utiliza sinais verbais e não-verbais (linguagem corporal), combinados com acústica, texto e imagens para diagnosticar e avaliar o nível de depressão ou estresse que uma pessoa está enfrentando. Em particular, os sinais verbais e não-verbais continuarão a desempenhar um papel fundamental no diagnóstico, enquanto os sinais e imagens não-verbais serão utilizados como factores que ajudam a melhorar significativamente o diagnóstico.

“A carga do trabalho e da vida está fazendo com que cada vez mais pessoas vivam com depressão e até com doenças mentais que às vezes nem sabem, levando a doenças cada vez mais graves, que se tornam mais graves e causam impactos negativos na vida e no trabalho. Esta é também a razão pela qual devemos promover ainda mais a implantação de tecnologias mais avançadas, personalizadas e automatizadas na detecção, avaliação e tratamento de doenças mentais, doenças mentais em geral e depressão em particular. No entanto, detectar sinais precoces de depressão é um problema desafiador porque muitos sintomas desta doença ainda são secretos e podem ser enganosos”, compartilharam os pesquisadores.

Melhore a eficácia da avaliação da depressão com modelos de IA

Para resolver este problema, cientistas do Instituto Indiano de Tecnologia de Patna e da Universidade de Caen Normandy codificaram uma série de elementos que podem se referir implicitamente a emoções e estados humanos, incluindo pensamentos, como inclinação da cabeça, contato visual, duração e intensidade dos sorrisos, gestos tocando certas áreas do corpo, junto com texto e dicas verbais… E depois alimentados na máquina de modelo de aprendizagem e depois combinados em vetores (representações matemáticas). Esses vetores mesclados foram então passados ​​por um segundo sistema que previa níveis de depressão com base na Escala de Angústia de Saúde Pessoal (PHQ-8) – um teste de diagnóstico comumente usado em ensaios clínicos.Pesquisa em psicologia clínica em larga escala.

Para treinar vários sistemas de IA, os pesquisadores usaram dados do AIC-WOZ – um conjunto de dados relacionado à depressão compilado a partir do Distress Analysis Interview Corpus. Este conjunto de dados inclui uma enorme quantidade de dados sobre gestos, fala, olhos, bem como ações extraídas com base em amostras de gravações de áudio, videoclipes que respondem a perguntas de 189 entrevistas clínicas, pronto para apoiar o diagnóstico psicológico de sintomas como ansiedade, depressão e sintomas pós-traumáticos. transtorno de estresse (respostas fora do assunto ou deixadas inacabadas foram removidas).

Melhore a eficácia da avaliação da depressão com modelos de IA

Após várias etapas de pré-processamento e treinamento do modelo de aprendizado de máquina, a equipe de pesquisa comparou os resultados dos sistemas de IA usando 3 métricas: erro quadrático médio (RMSE), erro absoluto médio (MAE) e pontuação de variância explicada (EVS). Segundo o relatório dos pesquisadores, a fusão dos três elementos som, texto e imagem ajudou a fornecer a estimativa mais precisa do nível de depressão de um sujeito específico, superando um máximo de 7,17% no RMSE e 8,08% no MAE.

No futuro, a equipe de pesquisa também planeja testar arquiteturas de aprendizagem multitarefa mais modernas e “aprofundar-se” em novos problemas relacionados a dados de texto. Se trouxerem resultados positivos, estes projetos representarão verdadeiramente um grande passo em frente na aplicação da inteligência artificial à medicina em geral e no tratamento de doenças neurológicas em particular, trazendo ao mesmo tempo perspectivas promissoras para os mais de 300 milhões de pessoas que sofrem actualmente de depressão, e espera-se que aumente ainda mais rapidamente nos próximos anos, à escala mundial.

More in Software Empresarial