هوش مصنوعی اضطراب و افسردگی را از روی صدا تشخیص میدهد.

پژوهشگران آمریکایی، نوعی الگوریتم یادگیری ماشینی ارائه داده‌اند که می‌تواند با تحلیل صدای کودکان، افسردگی آنها را تشخیص دهد.

پژوهش جدیدی نشان می‌دهد که شاید یک الگوریتم هوش مصنوعی که می‌تواند نشانه‌های اضطراب و افسردگی را در الگوی گفتاری کودکان تشخیص دهد، روش سریع و ساده‌ای برای شناسایی افسردگی باشد.

از هر پنج کودک مبتلا به اضطراب و افسردگی، یک نفر به درون‌گرایی مبتلاست. دلیل بروز درون‌گرایی شاید این باشد که کودکان زیر هشت سال نمی‌توانند ناراحتی‌های عاطفی خود را به راحتی بیان کنند. انتظار برای روز ملاقات با روانپزشک، مشکلات مربوط به بیمه و عدم تشخیص نشانه‌های ابتدایی توسط والدین موجب می‌شوند که درمان کودکان به موقع انجام نشود.

“الن مکگینیس”(Ellen McGinnis)، روانشناس بالینی “دانشگاه ورمانت”(UVM) آمریکا گفت: افسردگی بیشتر کودکان زیر هشت سال، معمولاً تشخیص داده نمی‌شود. ما برای شناسایی این کودکان، به آزمایش‌های سریع و هدفمند نیاز داریم.

تشخیص افسردگی کودکان با هوش مصنوعی

به گزارش سرتکس ،تشخیص زودهنگام افسردگی در کودکان، بسیار مهم است زیرا مغز کودکان هنوز در مراحل رشد به سر می‌برد و واکنش خوبی نسبت به درمان دارد اما اگر افسردگی به موقع درمان نشود، در آینده به خطراتی مانند اعتیاد و خودکشی منجر خواهد شد. مکگینیس و همکارانش، تأثیر هوش مصنوعی و یادگیری ماشینی را در تشخیص سریع و قابل اطمینان افسردگی مورد بررسی قرار دادند.

استارتاپ فناوری هوش مصنوعی «کینتسوگیاز صدای افراد برای تشخیص افسردگی و اضطراب استفاده می کند. این نرم افزار قابل استفاده در مراکز درمانی از راه دور پردازش می شود بیست ثانیه مکالمه می تواند سطوح اضطراب یا افسردگی را با “امتیاز” به دست آورد.PHQ-9“و”GAD-7» تعیین کنید.

«سیلوا اولسون“مهاجر از قزاقستان و یکی از بنیانگذاران و دانشمند ارشد استارت آپ”سلامتی ذهن آگاهی کینتسوگیاو معتقد است که صداها بسیار ارزشمند هستند و می توانند به روانشناسان کمک کنند تا افراد مبتلا به افسردگی و اضطراب را بهتر حمایت کنند.

این شرکت در حال توسعه نرم افزار هوش مصنوعی است که کلیپ های سخنرانی کوتاه افراد را برای تشخیص افسردگی و اضطراب تجزیه و تحلیل می کند. این بیومارکر صوتی در مراکز مراقبت های بهداشتی از راه دور و برای نظارت بر سلامت، غربالگری و تریاژ بیمارانی که به دنبال پشتیبانی برای ارزیابی سریعتر و پاسخگویی به نیازهایشان هتند، استفاده می شود.

مهاجر تایوانی «گریس چانگیکی دیگر از بنیانگذاران این استارت آپ است. او و اولسون هر دو سال ها از افسردگی رنج می بردند و تحت سلطه مردان بودند. پس از درک نیاز مبرم به روانشناس و مراقبت های بهداشت روان از راه دور، تصمیم گرفتند هر ساله این استارت آپ را راه اندازی کنند. 2019 آنها کردم.

قبلاً شرکت های دیگری مانند “سلامت بیضی“و”آزمایشگاه نور زمستانیآنها در تلاش برای تشخیص سلامت روان با استفاده از نشانگرهای زیستی آکوستیک بودند. تحقیقات نشان داده است که صدای یک فرد می تواند با وضعیت سلامت روان آنها مرتبط باشد.

این هوش مصنوعی چه عملکردی دارد؟

آنها نسخه اصلاح شده‌ای از یک فرآیند آزمایشی موسوم به “TSST” را به کار گرفتند که احساس استرس و اضطراب را در بیمار ایجاد می‌کند. آنها از ۷۱ کودک بین سه تا هشت سال خواستند به صورت بداهه، یک داستان سه دقیقه‌ای تعریف کنند و به آنها گفتند که بر اساس سطح جالب بودن داستان، مورد داوری قرار خواهند گرفت. پژوهشگرانی که نقش داور را بر عهده داشتند، جدی بودند و بازخوردهای خنثی یا منفی از خود نشان دادند. پس از ۹۰ ثانیه، زنگ هشدار به صدا درآمد و داوران به شرکت‌کنندگان گفتند که زمان آنها به پایان رسیده است. مک‌گینیس افزود: این آزمایش طوری طراحی شده که استرس‌زا باشد و حس مورد قضاوت قرار گرفتن را به شرکت‌کننده منتقل کند.

کودکان علاوه بر این آزمایش، یک مصاحبه بالینی را نیز پشت سر گذاشتند و به یک پرسش‌نامه پاسخ دادند تا اختلالات آنها شناسایی شود. پژوهشگران برای تحلیل ویژگی‌های صدای ضبط شده هر کودک، از یک الگوریتم یادگیری ماشینی استفاده کردند تا اختلال آنها را تشخیص دهند و الگوریتم توانست اختلالات را با موفقیت شناسایی کند.

همچنین پیشنهاد میکنیم مقاله : خطرات هوش مصنوعی در آینده چیست؟ را نیز مطالعه فرمایید.

“رایان مک‌گینیس” (Ryan McGinnis)، از پژوهشگران این پروژه گفت: این الگوریتم توانست کودکان مبتلا به درون‌گرایی را با ۸۰ درصد دقت شناسایی کند و نتایج را با سرعت بیشتری ارائه دهد. ما با کمک این الگوریتم موفق شدیم نتیجه دلخواه را پس از چند ثانیه پردازش به دست آوریم.

گام بعدی پژوهشگران، گسترش الگوریتم تحلیل گفتار و تبدیل آن به یک ابزار بررسی بالینی است که قابلیت نصب به عنوان اپلیکیشن تلفن همراه را داشته باشد و بتواند نتایج مورد نظر را به سرعت ارائه دهد. تحلیل گفتار را می‌توان در ابزار تشخیصی، با تحلیل حرکت نیز ادغام کرد تا کودکانی که در معرض خطر اضطراب و افسردگی قرار دارند، پیش از تشخیص والدین، شناسایی شوند.

مراکز بهداشت روانی حضوری معمولا از پرسشنامه‌هایی برای سنجش شدت اضطراب یا افسردگی بیماران استفاده می‌کنند که به نمرات «PHQ-9» و «GAD-7» معروف هستند. اما زمانی که مشاوره برای درمان حال روحی بیمار تبدیل به یک تماس تلفنی می‌شود، تشخیص وضعیت دشوار می‌گردد.

فناوری هوش مصنوعی استارتاپ Kintsugi در این مرحله به کمک می‌آید. این ابزار تجزیه و تحلیل که از چند هفته پیش در یک مرکز درمانی مورد استفاده قرار گرفته است، به تشخیص افسردگی یا اضطراب در زنان باردار کمک کرد.

هنگامی که بیمار با مرکز درمانی تماس می‌گیرد و ارتباط برقرار می‌شود، هوش مصنوعی Kintsugi شروع به ضبط صدا می‌کند. پس از پردازش 20 ثانیه‌ای گفتار، هوش مصنوعی نمرات GAD-7 و PHQ-9 را تعیین می‌کند. سپس کارمند مرکز درمانی تصمیم می‌گیرد چه آزمایش‌های اضافی می‌تواند بهترین روش برای درمان بیمار را مشخص کند.

علاوه بر تمام مزایایی که این روش تشخیص افسردگی و اضطراب دارد، دکتر «جاسکانوال دیپ سینگ» متخصص قلب و عروق در کلینیک «مایو» هشدار می‌دهد: « اگرچه این فناوری برای مراقبت‌های بهداشتی امیدوارکننده است، اما راه طولانی برای ارتقای آن تا حد قابل اطمینان وجود دارد.»

نتیجه نهایی چیست؟

او در پایان ذکر کرد: « محققان باید اطمینان حاصل کنند که این روش به اندازه کافی دقیق و ایمن است. به عبارت دیگر، نباید تفاوتی میان تشخیص پزشک و تشخیص این سیستم هوشمند در شرایط روحی بیمار وجود داشته باشد تا بتوان آن را به صورت همگانی مورد استفاده قرار داد.»