Medisch expert van het artikel
Nieuwe publicaties
Kunstmatige intelligentie kan depressie herkennen.
Laatst beoordeeld: 18.05.2024
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
Waarom is het zo moeilijk om depressie te herkennen, vooral in de vroege stadia? Zijn er methoden om de diagnostiek te optimaliseren? Zulke vragen worden gesteld door de wetenschappers.
Alvorens de diagnose ' depressie ' in te dienen, moet de medisch specialist een moeilijke taak vervullen: alle mogelijke gegevens over de patiënt verzamelen, een volledig beeld van de pathologie geven, de kenmerken van persoonlijkheidsvorming en de levensstijl van de persoon analyseren, mogelijke symptomen volgen, oorzaken vinden die indirect van invloed kunnen zijn ontwikkeling van een pijnlijke toestand. Wetenschappers die het Massachusetts Institute of Technology vertegenwoordigen, hebben een model ontworpen dat depressie in een persoon kan detecteren zonder specifieke testvragen te stellen, alleen gebaseerd op gesprekskenmerken en een geschreven stijl.
Als een van de leiders van het onderzoeksproject, legt Tuki Alhanai uit, is de eerste "bel" over de aanwezigheid van een depressie te horen tijdens een gesprek met een patiënt, ongeacht de emotionele toestand van de persoon op een bepaald moment. Om het diagnosedomein uit te breiden, is het noodzakelijk om het aantal beperkingen op informatie te minimaliseren: alles wat nodig is, is om een gewoon gesprek te voeren, zodat het model de toestand van de patiënt kan evalueren in de loop van een natuurlijk gesprek.
Experts noemden het gecreëerde model "uit de context", vanwege het ontbreken van enige beperkingen in de vragen die werden gesteld of gehoord. Met behulp van de methode van sequentiële modellering stuurden de onderzoekers modellen van tekst en geluidversies van gesprekken met patiënten die leden aan en niet leden aan depressieve stoornissen. In de loop van de accumulatie van sequenties kwamen er wetten aan de oppervlakte, bijvoorbeeld de standaardinclusie van woorden als 'verdrietig', 'vallen' in het gesprek en ook auditieve monotone signalen.
"Het model onderscheidt verbale consistentie en evalueert erkende patronen in de vorm van de meest mogelijke aanwezige factoren bij patiënten die lijden aan en niet lijden aan depressie", legt professor Alkhanai uit. "Verder, als kunstmatige intelligentie vergelijkbare sequenties bij de volgende patiënten opmerkt, is hij op basis hiervan in staat om een depressieve toestand in hen te diagnosticeren."
Testproeven hebben in 77% van de gevallen een succesvolle diagnose van depressie aangetoond. Dit is het beste resultaat, dat werd geregistreerd bij alle eerder geteste modellen die "werkten" met duidelijk gestructureerde tests en vragenlijsten.
Stellen de experts voor om kunstmatige intelligentie in de praktijk te gebruiken? Zal hij in de basis van latere modellen van "slimme" assistenten staan? Om deze reden hebben wetenschappers nog niet hun mening gegeven.
Informatie over de studie is gepubliceerd op de website van het Massachusetts Institute of Technology. Ook kan het in detail op de pagina's worden gevonden.http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf
[1]