Medicinsk ekspert af artiklen
Nye publikationer
Kunstig intelligens er i stand til at genkende depression
Sidst revideret: 02.07.2025
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 depression så vanskelig at genkende, især i de tidlige stadier? Findes der metoder til at optimere diagnosen? Det er de spørgsmål, som forskere har stillet sig selv.
Før en depression kan diagnosticeres, skal en læge udføre et vanskeligt job: indsamle alle mulige data om patienten, præsentere et fuldstændigt billede af patologien, analysere karakteristikaene for personlighedsdannelse og personens livsstil, spore eventuelle symptomer og finde ud af de årsager, der indirekte kan påvirke sygdommens udvikling. Forskere fra Massachusetts Institute of Technology har designet en model, der kan bestemme depression hos en person uden at stille specifikke testspørgsmål, udelukkende baseret på samtalekarakteristika og skriftlig stil.
Som en af lederne af forskningsprojektet, Tuki Alhanai, forklarer, kan den første "alarmklokke" om tilstedeværelsen af depression lyde netop under en samtale med en patient, uanset personens følelsesmæssige tilstand på det tidspunkt. For at udvide den diagnostiske model er det nødvendigt at minimere antallet af begrænsninger, der anvendes på informationen: det er kun nødvendigt at føre en almindelig samtale, så modellen kan vurdere patientens tilstand under en naturlig samtale.
Forskerne kaldte den model, de skabte, "kontekstfri", fordi der ikke var nogen begrænsninger på de stillede spørgsmål eller de hørte svar. Ved hjælp af en sekventiel modelleringsteknik fodrede forskerne modellen med tekst- og lydversioner af samtaler med patienter med og uden depressive lidelser. Efterhånden som sekvenserne akkumulerede, opstod der mønstre – for eksempel standardinkluderingen af ord som "trist", "falde" og monotone auditive signaler i samtaler.
"Modellen genkender den verbale sekvens og evaluerer de lærte mønstre som de mest sandsynlige faktorer, der er til stede hos patienter med og uden depression," forklarer professor Alhanai. "Hvis AI'en derefter bemærker lignende sekvenser hos efterfølgende patienter, kan den diagnosticere dem som havende depression."
Testforsøg viste en vellykket diagnose af depression med modellen i 77% af tilfældene. Dette er det bedste resultat, der er registreret blandt alle tidligere testede modeller, der "virkede" med klart strukturerede tests og spørgeskemaer.
Har eksperter til hensigt at bruge kunstig intelligens i praksis? Vil det blive inkluderet i grundlaget for efterfølgende modeller af "smarte" assistenter? Forskere har endnu ikke udtalt sig om dette spørgsmål.
Information om undersøgelsen er offentliggjort på Massachusetts Institute of Technologys hjemmeside. Den kan også findes i detaljer på siderne http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf
[ 1 ]