^
A
A
A

Konstgjord intelligens kan känna igen depression.

 
, Medicinsk redaktör
Senast recenserade: 18.05.2024
 
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 det så svårt att känna igen depression, särskilt i de tidiga stadierna? Finns det några metoder för att optimera diagnostik? Sådana frågor ställs av forskarna.

Innan man uttalar diagnosen " depression " måste den medicinska specialisten göra ett svårt jobb: samla alla möjliga uppgifter om patienten, presentera en fullständig bild av patologin, analysera egenskaperna hos personlighetsbildning och personens livsstil, följ eventuella symptom, ta reda på orsakerna som kan indirekt påverka utveckling av ett smärtsamt tillstånd. Forskare som representerar Massachusetts Institute of Technology har utformat en modell som kan upptäcka depression hos en person utan att utgöra specifika testfrågor, baserade endast på konversationsfunktioner och en skriftlig stil.

Som en ledare av forskningsprojektet, Tuki Alhanai, förklarar, kan den första "klockan" om förekomsten av depression höras under en konversation med en patient, oavsett personens känslomässiga tillstånd vid en given tidpunkt. För att utöka diagnosmodellen är det nödvändigt att minimera antalet restriktioner som tillämpas på information: allt som krävs är att genomföra en vanlig konversation, så att modellen kan utvärdera patientens tillstånd i samband med en naturlig konversation.

Experter kallade den skapade modellen "out of context", på grund av att inga begränsningar fanns i de frågor som ställts eller hörts. Med hjälp av metoden för sekventiell modellering skickade forskarna modeller av text- och ljudversioner av konversationer med patienter som lider av och inte lider av depressiva störningar. Under ackumuleringen av sekvenser kom lagar till ytan - till exempel standardiseringen av sådana ord som "ledsen", "faller" i konversationen, och även auditiva monotoniska signaler.

"Modellen särskiljer verbal konsistens och utvärderar erkända mönster i form av de mest möjliga närvarande faktorerna hos patienter som lider av och inte lider av depression", förklarar professor Alkhanai. "Vidare, om artificiell intelligens märker liknande sekvenser hos följande patienter, så kan han på basis av detta kunna diagnostisera ett depressivt tillstånd i dem."

Testförsök visade framgångsrik diagnos av depression i 77% av fallen. Det här är det bästa resultatet, vilket spelades in bland alla tidigare testade modeller som "fungerade" med tydligt strukturerad test och frågeformulär.

Verkar experterna att använda artificiell intelligens i praktiken? Kommer han vara i basen av efterföljande modeller av "smarta" assistenter? På detta konto har forskare ännu inte uttryckt sina åsikter.

Information om studien publiceras på webbplatsen för Massachusetts Institute of Technology. Det 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.