Medicinsk ekspert af artiklen
Nye publikationer
Kunstig intelligens er i stand til at genkende depression.
Sidst revideret: 18.05.2024
Alt iLive-indhold gennemgås medie eller kontrolleres for at sikre så meget faktuel nøjagtighed som muligt.
Vi har strenge sourcing retningslinjer og kun link til velrenommerede medie websteder, akademiske forskningsinstitutioner og, når det er muligt, medicinsk peer reviewed undersøgelser. Bemærk at tallene inden for parentes ([1], [2] osv.) Er klikbare links til disse undersøgelser.
Hvis du mener, at noget af vores indhold er unøjagtigt, forældet eller på anden måde tvivlsomt, skal du vælge det og trykke på Ctrl + Enter.
Hvorfor er det så svært at genkende depression, især i de tidlige stadier? Er der nogen metoder til optimering af diagnostik? Sådanne spørgsmål stilles af forskerne.
Inden man udtaler diagnosen " depression ", skal den medicinske specialist gøre et vanskeligt job: indsamle alle mulige data om patienten, præsentere et fuldstændigt billede af patologien, analysere karakteristika ved personlighedsdannelse og personens livsstil, følg eventuelle symptomer, find ud af de årsager, der kunne indirekte påvirke udvikling af en smertefuld tilstand. Forskere fra Massachusetts Institute of Technology har designet en model, der kan opdage depression hos en person uden at udgøre specifikke testspørgsmål, der kun er baseret på konversationsfunktioner og en skriftlig stil.
Som en af lederne af forskningsprojektet, forklarer Tuki Alhanai, at den første "klokke" om tilstedeværelsen af depression kan høres under en samtale med en patient, uanset personens følelsesmæssige tilstand på et givet tidspunkt. For at udvide diagnosemodellen er det nødvendigt at minimere antallet af begrænsninger, der anvendes på information: Alt, hvad der kræves, er at foretage en almindelig samtale, der gør det muligt for modellen at evaluere patientens tilstand i løbet af en naturlig samtale.
Eksperter kaldte den opbyggede model "ude af kontekst" på grund af manglende begrænsninger i de stillede spørgsmål eller hørt svar. Ved hjælp af metoden for sekventiel modellering sendte forskerne modeller af tekst- og lydversioner af samtaler med patienter, der lider af og ikke lider af depressive lidelser. I løbet af akkumuleringen af sekvenser kom lovene til overfladen - for eksempel standardinddragelsen af sådanne ord som "trist", "falder" i samtalen og også auditive monotoniske signaler.
"Modellen skelner mundtlig konsistens og evaluerer anerkendte mønstre i form af de mest mulige nuværende faktorer hos patienter, der lider af og ikke lider af depression," forklarer professor Alkhanai. "Yderligere, hvis kunstig intelligens bemærker lignende sekvenser i følgende patienter, er han på basis af dette i stand til at diagnosticere en depressiv tilstand i dem."
Testforsøg viste en vellykket diagnose af depression i 77% af tilfældene. Dette er det bedste resultat, som blev registreret blandt alle tidligere testede modeller, der "arbejdede" med klart strukturerede tests og spørgeskemaer.
Foreslår eksperterne at bruge kunstig intelligens i praksis? Vil han være i bunden af efterfølgende modeller af "smarte" assistenter? På denne konto har forskere endnu ikke udtrykt deres synspunkter.
Oplysninger om undersøgelsen offentliggøres på webstedet for Massachusetts Institute of Technology. Det kan også findes i detaljer på siderne.http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf
[1]