Diagnostika depresie je zložitá záležitosť.
Neexistuje žiadny krvný test, žiadne vyšetrenie, žiadna biopsia, ktorá by poskytovala tvrdý dôkaz o tom, že sa niečo zhoršilo. Namiesto toho plná váha spočíva na schopnosti vyškoleného klinického lekára vykonať hodnotenie založené prevažne na odpovediach človeka na sériu štandardných otázok. Diagnóza je ďalej komplikovaná skutočnosťou, že depresia sa môže prejavovať niekoľkými spôsobmi - od apatie k agitácii až po extrémne stravovacie alebo spánkové vzorce.
Predstava, že umelá inteligencia by mohla pomôcť predpovedať, či osoba trpí depresiou, je potenciálne veľký krok vpred - hoci ten, ktorý so sebou prináša otázky o tom, ako by sa mohla použiť.
To umožňuje, hovorí Tuka Alhanai, výskumná pracovníčka MIT v laboratóriu počítačovej vedy a umelej inteligencie (CSAIL), je schopnosť modelu strojového učenia identifikovať rečové a jazykové vzorce spojené s depresiou. Ešte dôležitejšie je, že model, ktorý vyvinula spolu s vedeckým pracovníkom MIT Mohammadom Ghassemiom, dokázal rozoznať depresiu s pomerne vysokou mierou presnosti prostredníctvom analýzy spôsobu, akým ľudia hovoria, a nie pomocou ich konkrétnych odpovedí na otázky klinického lekára.
To je to, čo Alhanai označuje ako „analýzu bez kontextu“; Inými slovami, model vychádza zo slov, ktoré si ľudia vyberajú a ako ich hovoria, bez toho, aby sa snažili interpretovať význam svojich tvrdení.
„Namiesto toho, aby sa model snažil zamerať na odpovede na konkrétne otázky, je naprogramovaný tak, aby sám určil, na čo sa chce zamerať, “ hovorí.
Alhanai poznamenáva, že potenciálny prínos spočíva v tom, že tento typ prístupu neurónovej siete by sa mohol jedného dňa použiť na vyhodnotenie prirodzenejších konverzácií osoby mimo formálneho štruktúrovaného rozhovoru s lekárom. To by mohlo byť užitočné pri povzbudzovaní ľudí, aby vyhľadávali odbornú pomoc, keď by inak z dôvodu nákladov, vzdialenosti alebo jednoducho nedostatku povedomia o tom, že niečo nie je v poriadku, nemohli.
„Ak chcete modely nasadiť škálovateľným spôsobom, “ hovorí, „chcete minimalizovať množstvo obmedzení, ktoré máte na údaje, ktoré používate. Chcete ho nasadiť v každej pravidelnej konverzácii a nechať model vyzdvihnúť, od prirodzenej interakcie, po stav jednotlivca. “
Škvrny
Tento model bol zameraný na audio, video a prepisy zo 142 rozhovorov s pacientmi, z ktorých približne 30 percent bolo diagnostikovaných depresiou klinickými lekármi. Konkrétne použila techniku nazývanú sekvenčné modelovanie, pri ktorej sa do modelu privádzali sekvencie textových a zvukových údajov od depresívnych aj nedepresívnych ľudí. Z toho vyplynuli rôzne rečové vzorce pre ľudí s depresiou a bez depresie. Napríklad slová ako „smutné“, „nízke“ alebo „dole“ môžu mať tendenciu byť spárované s hlasnejšími signálmi, ktoré sú ploššie a monotónnejšie.
Ale bolo na modeli, aby určil, ktoré vzory boli v súlade s depresiou. Potom použil to, čo sa naučil, aby predpovedal, ktoré nové subjekty boli depresívne. Nakoniec dosiahla 77% úspešnosť pri identifikácii depresie.
Vedci tiež zistili, že model potrebuje oveľa viac údajov na predpovedanie depresie iba z toho, ako znie hlas, na rozdiel od toho, čo používal človek. Keď sa model zameral výlučne na text, model potreboval analyzovať v priemere iba sedem sekvencií, aby predpovedal depresiu. Ale pri použití iba hlasového zvuku bolo potrebných 30 sekvencií. To naznačuje, že slová, ktoré si človek vyberie, sú lepším prediktorom depresie, než ako znejú.
Algoritmický presah?
Je ešte príliš skoro na to povedať, ako by sa model AI mohol začleniť do diagnostiky depresie. „Je to krok k tomu, aby sme mohli analyzovať viac interakcií vo voľnej forme, ale je to len počiatočný krok, “ hovorí James Glass, vedecký pracovník v oblasti CSAIL. Poznamenáva, že testovacia vzorka bola „nepatrná“. Tiež hovorí, že vedci sa budú snažiť lepšie pochopiť, aké konkrétne vzory zo všetkých nespracovaných údajov, ktoré model identifikoval ako indikujúce depresiu.
„Tieto systémy sú uveriteľnejšie, keď máte vysvetlenie toho, čo vyzdvihujú, “ hovorí.
Je to dôležité, pretože celá myšlienka použitia AI pri diagnostikovaní stavov duševného zdravia sa splnila so svojím podielom skepticizmu. To sa už používa v terapii chatbots, ako je Woebot, ale zapojenie sa do skutočnej diagnózy by úlohu strojov na inú úroveň.
Kanadský lekár Adam Hofmann, ktorý nedávno píše vo Washingtone Post, varoval pred možnými dôsledkami toho, čo označoval ako „algoritmický presah“.
„Mohli by napríklad falošne pozitívne viesť ľudí, ktorí ešte nie sú v depresii, aby uverili, že sú, “ napísal. „Duševné zdravie človeka je komplexná súhra genetických, fyzických a environmentálnych faktorov. Poznáme účinky placeba a nocebo v medicíne, keď nevidiaci používatelia tabliet s cukrom zažijú buď pozitívne alebo negatívne účinky lieku, pretože na to majú buď pozitívne alebo negatívne očakávania.
"Povedanie, že sa necítite dobre, to môže doslova urobiť."
Spoločnosť Hofmann tiež vyjadrila znepokojenie nad tým, ako dlho by sa závery diagnostických nástrojov AI dali uchovávať od tretích strán, ako sú poisťovatelia alebo zamestnávatelia. Táto úzkosť týkajúca sa možného zneužitia prostredníctvom „detektorov depresie“ bola tiež citovaná v nedávnom blogovom príspevku na webe The Next Web.
Alhanai a Glass počuli znepokojujúce špekulácie o rizikách spoliehania sa príliš na modely AI na diagnostiku duševného zdravia. Hovorí sa však, že ich výskum je zameraný na pomoc klinickým lekárom, nie na ich nahrádzanie.
„Dúfame, že môžeme poskytnúť doplnkovú formu analýzy, “ hovorí Glass. „Pacient nie je stále u doktora. Ak však pacient hovorí do telefónu doma, možno si zaznamenáva denný denník a zariadenie zistí zmenu, môže to pre pacienta znamenať, že by sa mal obrátiť na lekára.
„Namiesto klinika nevidíme rozhodovanie o technológiách, “ dodáva. „Považujeme to za poskytnutie ďalšej vstupnej metriky klinickému lekárovi. Stále by mali prístup ku všetkým súčasným vstupom, ktoré používajú. Toto by im len poskytlo ďalší nástroj v ich paneli nástrojov. “
