^
A
A
A

Artificiell intelligens kan känna igen depression

 
, Medicinsk redaktör
Senast recenserade: 02.07.2025
 
Fact-checked
х

Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.

Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.

Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.

18 January 2019, 09:00

Varför är depression så svår att upptäcka, särskilt i ett tidigt skede? Finns det metoder för att optimera diagnosen? Det här är frågor som forskare har ställt sig.

Innan man diagnostiserar depression måste en läkare utföra ett svårt jobb: samla in all möjlig information om patienten, presentera en fullständig bild av patologin, analysera personlighetsbildningens egenskaper och personens livsstil, spåra eventuella symtom och ta reda på orsakerna som indirekt kan påverka sjukdomens utveckling. Forskare från Massachusetts Institute of Technology har utformat en modell som kan fastställa depression hos en person utan att ställa specifika testfrågor, baserat enbart på samtalsegenskaper och skriftlig stil.

Som en av ledarna för forskningsprojektet, Tuki Alhanai, förklarar, kan den första ”varningsklockan” om förekomsten av depression ljuda just under ett samtal med en patient, oavsett personens känslomässiga tillstånd i det ögonblicket. För att utöka den diagnostiska modellen är det nödvändigt att minimera antalet begränsningar som tillämpas på informationen: det är bara nödvändigt att föra ett vanligt samtal, vilket gör att modellen kan bedöma patientens tillstånd under ett naturligt samtal.

Forskarna kallade modellen de skapade för "kontextfri" eftersom det inte fanns några begränsningar för vilka frågor som ställdes eller vilka svar som hördes. Med hjälp av en sekventiell modelleringsteknik matade forskarna modellen med text- och ljudversioner av samtal med patienter med och utan depressiva störningar. Allt eftersom sekvenserna ackumulerades framträdde mönster – till exempel standardinkluderingen av ord som "ledsen", "falla" och monotona hörselsignaler i samtal.

”Modellen känner igen den verbala sekvensen och utvärderar de inlärda mönstren som de mest sannolika faktorerna som finns hos patienter med och utan depression”, förklarar professor Alhanai. ”Om AI:n sedan upptäcker liknande sekvenser hos efterföljande patienter kan den diagnostisera dem med depression.”

Testförsök visade att modellen framgångsrikt diagnostiserat depression i 77 % av fallen. Detta är det bästa resultatet bland alla tidigare testade modeller som "fungerade" med tydligt strukturerade tester och frågeformulär.

Avser experter att använda artificiell intelligens i praktiken? Kommer den att ingå i basen för efterföljande modeller av "smarta" assistenter? Forskare har ännu inte uttryckt sin åsikt i denna fråga.

Information om studien finns publicerad på Massachusetts Institute of Technologys webbplats. Den kan också hittas i detalj på sidorna http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf

trusted-source[ 1 ]

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.