Повысьте эффективность оценки депрессии с помощью моделей искусственного интеллекта.

Возможно, вы слышали, что люди могут относительно точно обнаружить и оценить эмоции и настроение человека по интонации голоса или любому звуку, который человек издает. Фактически, многие амбициозные стартапы, такие как Beyond Verbal, Affectiva и Cogito, дочернее предприятие Массачусетского технологического института, в настоящее время реализуют проекты по обработке естественного языка, чтобы добиться этого. Однако было также много мнений, которые скептически относились к этим проектам и считали, что одних достоверных данных недостаточно для точного анализа настроения человека, не говоря уже о том, чтобы их применять.Используйте результаты этого анализа для диагностики депрессии, а также ее тяжести.

• Модель искусственного интеллекта Диснея генерирует анимационные эпизоды из сценариев

Именно по этой причине ученые Индийского технологического института Патны и Университета Кан-Нормандия приступили к реализации потенциального проекта, в котором используются вербальные и невербальные сигналы (язык тела), в сочетании с акустикой, текстом и изображениями для диагностики и оценки Уровень депрессии или стресса, который испытывает человек. В частности, вербальные и невербальные сигналы по-прежнему будут играть ключевую роль в диагностике, а невербальные знаки и образы будут использоваться как факторы, которые помогут значительно улучшить диагностику.Точнее оценить тяжесть депрессии.

«Бремя работы и жизни заставляет все больше и больше людей жить с депрессией и даже психическими заболеваниями, о которых они иногда даже не подозревают, что приводит к все более серьезным заболеваниям, которые становятся все более серьезными и оказывают негативное влияние на жизнь и работу. Это также причина, по которой мы должны и дальше способствовать внедрению более продвинутых, персонализированных и автоматизированных технологий для выявления, оценки и лечения психических заболеваний, психических заболеваний в целом и депрессии в частности. Однако выявление ранних признаков депрессии является сложной проблемой, поскольку многие симптомы этого заболевания до сих пор скрыты и могут вводить в заблуждение», — поделились исследователи.

• ЕС: системы искусственного интеллекта должны создаваться и внедряться прозрачным и ответственным образом

Чтобы решить эту проблему, ученые Индийского технологического института Патны и Кано-нормандского университета закодировали ряд элементов, которые могут неявно относиться к человеческим эмоциям и состояниям, включая мысли, такие как опущение головы, зрительный контакт, продолжительность и интенсивность улыбки, жесты, касающиеся определенных участков тела, а также текстовые и словесные сигналы… А затем передаются в машину обучающей модели и затем объединяются в векторы (математические представления). Эти объединенные векторы затем были пропущены через вторую систему, которая прогнозировала уровень депрессии на основе шкалы личного расстройства здоровья (PHQ-8) — диагностического теста, обычно используемого в клинических испытаниях.Крупномасштабное исследование клинической психологии.

Для обучения различных систем искусственного интеллекта исследователи использовали данные AIC-WOZ — набора данных, связанных с депрессией, собранного из корпуса интервью для анализа проблем. Этот набор данных включает в себя огромное количество данных о жестах, речи, глазах, а также действиях, извлеченных на основе образцов аудиозаписей, видеоклипов с ответами на вопросы из 189 клинических интервью и готов помочь в психологической диагностике таких симптомов, как тревога, депрессия и посттравматический синдром. стрессовое расстройство (ответы, не относящиеся к теме или оставшиеся незавершенными, удалены).

• Модель искусственного интеллекта MIT может самостоятельно фиксировать отношения между объектами с минимальными обучающими данными.

После нескольких этапов предварительной обработки и обучения модели машинного обучения исследовательская группа сравнила результаты систем искусственного интеллекта, используя три метрики: среднеквадратическую ошибку (RMSE), среднюю абсолютную ошибку (MAE) и показатель объясненной дисперсии (EVS). Согласно отчету исследователей, сочетание трех элементов звука, текста и изображения помогло обеспечить наиболее точную оценку уровня депрессии конкретного субъекта, превзойдя по сравнению с максимальными 7,17% по RMSE и 8,08% по MAE.

• Премию «Нобелевскую премию по технологиям» присудили программному обеспечению, которое учит ИИ учиться, как люди

В будущем исследовательская группа также планирует протестировать более современные архитектуры многозадачного обучения и глубже «копнуть» новые проблемы, связанные с текстовыми данными. Если они принесут положительные результаты, эти проекты действительно станут сильным шагом вперед в применении искусственного интеллекта в медицине в целом и в лечении неврологических заболеваний в частности, а также принесут многообещающие перспективы для более чем 300 миллионов человек, которые в настоящее время страдают от депрессии. ожидается, что в ближайшие несколько лет он будет расти еще быстрее в мировом масштабе.