Dirbtinio intelekto analizė gali nustatyti mažų vaikų depresiją
Nauji tyrimai rodo, kad mašininio mokymosi algoritmas gali aptikti nerimo ir depresijos požymius mažų vaikų kalbos modeliuose. Ši technika galėtų būti greitesnis ir lengvesnis būdas nustatyti sunkiai pastebimus jaunų žmonių sutrikimus. Ankstyvas emocinių problemų nustatymas yra svarbus norint užtikrinti savalaikę priežiūrą.
Tyrėjai paaiškina, kad maždaug kas penktas vaikas kenčia nuo nerimo ir depresijos, bendrai vadinamų „internalizavimo sutrikimais“. Tačiau sutrikimo požymius sunku atpažinti, nes vaikai iki aštuonerių metų negali patikimai išreikšti savo emocinės kančios, todėl būklę sunku pastebėti.
Būtinybė laiku nustatyti diagnozę yra svarbi, nes prieiga prie paslaugų teikėjo, nesvarbu, ar planavimo klausimai, ar draudimo patikrinimas, dažnai yra sunkus procesas.
"Mums reikia greitų, objektyvių testų, kad pagautume vaikus, kai jie kenčia", - sakė dr. Ellen McGinnis, klinikinė psichologė Vermonto universiteto medicinos centro Vermonto vaikų, jaunimo ir šeimos centre ir pagrindinė tyrimo autorė. "Dauguma vaikų iki aštuonerių nėra diagnozuoti."
Tyrimas rodomas Biomedicinos ir sveikatos informatikos leidinys.
Ankstyva diagnozė yra labai svarbi, nes vaikai gerai reaguoja į gydymą, kol jų smegenys dar tik vystosi, tačiau negydomi jie patiria didesnę piktnaudžiavimo narkotikais ir savižudybės riziką vėliau gyvenime.
Standartinė diagnozė apima 60–90 minučių pusiau struktūrinį interviu su apmokytu gydytoju ir jų pirminės priežiūros teikėju.
McGinnis kartu su Vermonto universiteto biomedicinos inžinieriumi ir studijų vyresniuoju autoriumi Ryanu McGinnisu ieškojo būdų, kaip naudoti dirbtinį intelektą ir mašininį mokymąsi, kad diagnozė būtų greitesnė ir patikimesnė.
Mokslininkai naudojo pritaikytą nuotaikos sužadinimo užduoties versiją, vadinamą Tryro socialinio streso užduotimi, kuri skirta sukelti streso ir nerimo jausmą tiriamajam.
71 vaikų grupė nuo trejų iki aštuonerių metų buvo paprašyta improvizuoti trijų minučių istoriją ir pasakė, kad jie bus vertinami pagal tai, kaip tai įdomu. Teisėjo pareigas einantis tyrėjas per kalbą išliko griežtas ir atsiliepė tik neutraliai arba neigiamai. Praėjus 90 sekundžių ir vėl likus 30 sekundžių, pasigirs dūzgesys, o teisėjas jiems pasakys, kiek laiko liko.
„Užduotis sukurta taip, kad keltų įtampą ir įtikintų juos mąstyti, jog kažkas juos teisia“, - sako Ellen McGinnis.
Vaikams taip pat buvo diagnozuota naudojant struktūrinį klinikinį interviu ir tėvų klausimyną - abu gerai žinomi būdai nustatyti vaikų internalizacijos sutrikimus.
Tyrėjai naudojo mašininio mokymosi algoritmą, kad analizuotų statistinius kiekvieno vaiko pasakojimo garso įrašų ypatumus ir susietų juos su vaiko diagnoze. Jie nustatė, kad algoritmas buvo labai sėkmingas diagnozuojant vaikus ir kad vidurinė įrašų fazė, tarp dviejų skambučių, labiausiai nuspėjo diagnozę.
„Algoritmas 80 procentų tikslumu sugebėjo identifikuoti vaikus, kuriems diagnozuota internalizacijos sutrikimas, ir daugeliu atvejų tai tikrai gerai palygino su tėvų kontrolinio sąrašo tikslumu“, - sako Ryanas McGinnisas.
Tai taip pat gali suteikti rezultatus daug greičiau - algoritmas reikalauja vos kelių sekundžių apdorojimo laiko, kai tik užduotis bus atlikta diagnozei nustatyti.
Algoritmas nustatė aštuonias skirtingas vaikų kalbos garso ypatybes, tačiau ypač trys išsiskyrė kaip labai rodančios internalizavimo sutrikimus: žemo balso balsai, su pakartotinais kalbos linksniais ir turiniu bei aukštesnio tono atsakas į stebinantį garsinį signalą.
Ellen McGinnis sako, kad šios savybės gerai dera su tuo, ko galite tikėtis iš depresijos kamuojamo žmogaus. „Žemas balsas ir pakartojami kalbos elementai atspindi tai, apie ką galvojame galvodami apie depresiją: kalbėti monotonišku balsu, pakartoti tai, ką sakote“, - sako Ellen McGinnis.
Aukštesnio lygio atsakymas į garsinį signalą taip pat yra panašus į atsakymą, kurį tyrėjai rado savo ankstesniame darbe, kur buvo nustatyta, kad vaikai, turintys internalizavimo sutrikimų, pasižymi didesniu baimės stimulo išsisukimo atsaku į baimės indukcijos užduotį.
Balso analizė diagnozės tikslumu yra panaši į ankstesnio darbo judesio analizę, tačiau Ryanas McGinnisas mano, kad ją būtų daug lengviau naudoti klinikinėje aplinkoje.
Baimės užduočiai atlikti reikia patamsinto kambario, žaislinės gyvatės, judesio jutiklių, pritvirtintų prie vaiko, ir vadovo, o balso užduočiai atlikti reikia tik teisėjo, kalbos įrašymo būdo ir skambučio, kad būtų galima pertraukti. "Tai būtų lengviau įgyvendinti", - sako jis.
Ellen McGinnis sako, kad kitas žingsnis bus kalbos analizės algoritmo sukūrimas į universalią klinikinio naudojimo atrankos priemonę, galbūt naudojant išmaniojo telefono programėlę, galinčią nedelsiant įrašyti ir analizuoti rezultatus.
Balso analizė taip pat galėtų būti sujungta su judesio analize, naudojant daugybę technologinių diagnostikos įrankių, kurie padėtų nustatyti vaikus, kuriems gresia nerimas ir depresija, net jei jų tėvai įtaria, kad kažkas negerai.
Šaltinis: Vermonto universitetas
