ปรับปรุงประสิทธิผลของการประเมินภาวะซึมเศร้าด้วยโมเดล AI

บางทีคุณอาจเคยได้ยินมาว่าผู้คนสามารถตรวจจับและประเมินอารมณ์และอารมณ์ของแต่ละบุคคลได้อย่างแม่นยำผ่านทางน้ำเสียงหรือเสียงใดๆ ที่บุคคลนั้นทำ ออกไปข้างนอก ในความเป็นจริง บริษัทสตาร์ทอัพที่มีความทะเยอทะยานหลายแห่ง เช่น Beyond Verbal, Affectiva และ Cogito ซึ่งเป็นบริษัทในเครือของ MIT กำลังขับเคลื่อนโครงการประมวลผลภาษาธรรมชาติเพื่อให้สิ่งนี้เกิดขึ้น อย่างไรก็ตาม ยังมีความคิดเห็นมากมายที่ไม่มั่นใจเกี่ยวกับโครงการเหล่านั้นและเชื่อว่าข้อมูลที่ถูกต้องเพียงอย่างเดียวไม่เพียงพอที่จะวิเคราะห์อารมณ์ของบุคคลได้อย่างแม่นยำ ไม่ต้องพูดถึง ใช้ผลการวิเคราะห์เหล่านี้เพื่อวินิจฉัยภาวะซึมเศร้าและความรุนแรงของอาการ

• โมเดล AI ของ Disney สร้างลำดับภาพเคลื่อนไหวจากสคริปต์

นี่คือเหตุผลที่นักวิทยาศาสตร์จาก Indian Institute of Technology Patna และ Caen Normandy University เริ่มดำเนินโครงการที่มีศักยภาพ ซึ่งใช้สัญญาณทางวาจาและอวัจนภาษากาย) ร่วมกับเสียง ข้อความ และภาพ เพื่อวินิจฉัยและประเมิน ระดับภาวะซึมเศร้าหรือความเครียดที่บุคคลกำลังประสบอยู่ โดยเฉพาะอย่างยิ่งสัญญาณทางวาจาและอวัจนภาษาจะยังคงมีบทบาทสำคัญในการวินิจฉัยในขณะที่สัญญาณและรูปภาพที่ไม่ใช่คำพูดจะถูกนำมาใช้เป็นปัจจัยที่ช่วยปรับปรุงการวินิจฉัยได้อย่างมีนัยสำคัญแม่นยำในการประมาณความรุนแรงของภาวะซึมเศร้า

“ภาระทั้งงานและชีวิตทำให้คนเป็นโรคซึมเศร้าและป่วยทางจิตมากขึ้นเรื่อยๆ ซึ่งบางครั้งไม่รู้ด้วยซ้ำ นำไปสู่โรคร้ายแรงมากขึ้น รุนแรงขึ้น และส่งผลเสียต่อชีวิตและการทำงาน นี่คือเหตุผลว่าทำไมเราจึงต้องส่งเสริมการนำเทคโนโลยีขั้นสูงที่เป็นส่วนตัวและเป็นอัตโนมัติมาใช้เพิ่มเติมในการตรวจหา การประเมิน และการรักษาความเจ็บป่วยทางจิต ความเจ็บป่วยทางจิตโดยทั่วไป และโดยเฉพาะภาวะซึมเศร้า อย่างไรก็ตาม การตรวจพบสัญญาณเริ่มต้นของภาวะซึมเศร้าเป็นปัญหาที่ท้าทาย เนื่องจากอาการหลายอย่างของโรคนี้ยังเป็นความลับและอาจทำให้เข้าใจผิดได้” นักวิจัยกล่าว

• สหภาพยุโรป: ระบบ AI ควรได้รับการสร้างและใช้งานในลักษณะที่โปร่งใสและมีความรับผิดชอบ

เพื่อแก้ปัญหานี้ นักวิทยาศาสตร์จาก Indian Institute of Technology Patna และ Caen Normandy University ได้เข้ารหัสองค์ประกอบหลายอย่างที่สามารถอ้างถึงอารมณ์และสภาวะของมนุษย์โดยปริยาย รวมถึงความคิด เช่น การก้มศีรษะ การสบตา ระยะเวลาและความเข้มข้นของรอยยิ้ม ท่าทางสัมผัสบางส่วนของร่างกาย พร้อมด้วยข้อความและคำพูด... จากนั้นจึงป้อนเข้าไปในเครื่องโมเดลการเรียนรู้ แล้วรวมเข้าด้วยกันเป็นเวกเตอร์ (การแสดงทางคณิตศาสตร์) จากนั้นเวกเตอร์ที่รวมเข้าด้วยกันเหล่านี้จะถูกส่งผ่านระบบที่สองที่คาดการณ์ระดับภาวะซึมเศร้าโดยอิงจาก Personal Health Distress Scale (PHQ-8) ซึ่งเป็นการทดสอบวินิจฉัยที่ใช้กันทั่วไปในการทดลองทางคลินิก การวิจัยทางจิตวิทยาคลินิกในวงกว้าง

เพื่อฝึกระบบ AI ต่างๆ นักวิจัยได้ใช้ข้อมูลใน AIC-WOZ ซึ่งเป็นชุดข้อมูลที่เกี่ยวข้องกับภาวะซึมเศร้าที่รวบรวมจาก Distress Analysis Interview Corpus ชุดข้อมูลนี้ประกอบด้วยข้อมูลจำนวนมหาศาลเกี่ยวกับท่าทาง คำพูด ดวงตา ตลอดจนการกระทำที่สกัดจากตัวอย่างบันทึกเสียง คลิปวิดีโอ ตอบคำถามจากการสัมภาษณ์ทางคลินิก 189 รายการ พร้อมรองรับการวินิจฉัยทางจิตวิทยาสำหรับอาการต่างๆ เช่น วิตกกังวล ซึมเศร้า และหลังบาดแผลทางจิตใจ ความผิดปกติของความเครียด (คำตอบที่ไม่ตรงประเด็นหรือยังไม่ได้ตอบถูกลบออกแล้ว)

• โมเดล AI ของ MIT สามารถบันทึกความสัมพันธ์ระหว่างวัตถุได้ด้วยตัวเองโดยใช้ข้อมูลการฝึกเพียงเล็กน้อย

หลังจากประมวลผลล่วงหน้าหลายขั้นตอนและฝึกฝนโมเดลการเรียนรู้ของเครื่อง ทีมวิจัยได้เปรียบเทียบผลลัพธ์ของระบบ AI โดยใช้ 3 เมตริก ได้แก่ Mean Square Error (RMSE) ข้อผิดพลาดเฉลี่ยสัมบูรณ์ (MAE) และคะแนนความแปรปรวนอธิบาย (EVS) ตามรายงานของนักวิจัย การผสมผสานองค์ประกอบทั้งสามของเสียง ข้อความ และรูปภาพ ช่วยให้สามารถประมาณระดับภาวะซึมเศร้าของอาสาสมัครเฉพาะเจาะจงได้แม่นยำที่สุด ซึ่งเหนือกว่าเมื่อเปรียบเทียบกับสูงสุดที่ 7.17% สำหรับ RMSE และ 8.08% สำหรับ MAE

• รางวัล 'โนเบลเทคโนโลยี' มอบให้กับซอฟต์แวร์ที่สอน AI ให้เรียนรู้เหมือนมนุษย์

ในอนาคต ทีมวิจัยยังวางแผนที่จะทดสอบสถาปัตยกรรมการเรียนรู้แบบมัลติทาสก์ที่ทันสมัยยิ่งขึ้น และ "เจาะลึก" ลงไปในปัญหาใหม่ๆ ที่เกี่ยวข้องกับข้อมูลข้อความ หากพวกเขาให้ผลลัพธ์เชิงบวก โครงการเหล่านี้จะเป็นก้าวสำคัญอย่างแท้จริงในการนำปัญญาประดิษฐ์มาประยุกต์ใช้กับการแพทย์โดยทั่วไป และในการรักษาโรคทางระบบประสาทโดยเฉพาะ ขณะเดียวกันก็นำเสนอมุมมองที่ดีแก่ผู้คนกว่า 300 ล้านคนที่กำลังทุกข์ทรมานจากภาวะซึมเศร้า และ คาดว่าจะเพิ่มขึ้นเร็วขึ้นอีกในอีกไม่กี่ปีข้างหน้าในระดับโลก