Keinotekoinen älykkyys Tunnistaa Masennuksen Puhumalla - Vaihtoehtoinen Näkymä

Keinotekoinen älykkyys Tunnistaa Masennuksen Puhumalla - Vaihtoehtoinen Näkymä
Keinotekoinen älykkyys Tunnistaa Masennuksen Puhumalla - Vaihtoehtoinen Näkymä

Video: Keinotekoinen älykkyys Tunnistaa Masennuksen Puhumalla - Vaihtoehtoinen Näkymä

Video: Keinotekoinen älykkyys Tunnistaa Masennuksen Puhumalla - Vaihtoehtoinen Näkymä
Video: Minun tarinani masennuksesta – Jenni Rotonen 2024, Huhtikuu
Anonim

Tutkijat ovat luoneet keinotekoisen hermoverkon, joka pystyy selvittämään, onko henkilöllä masennusmerkkejä hänen puheestaan, äänitettynä ääni- tai tekstimuodossa. Samaan aikaan algoritmin toiminta ei riipu keskusteluyhteydestä, ts. Sillä ei ole väliä, mistä henkilö puhuu, hermoverkko voi löytää hälyttäviä signaaleja jopa abstraktimmassa keskustelussa. Tutkimustulokset esitellään Interspeech 2018 -konferenssissa; sen tulokset voidaan lukea Massachusetts Institute of Technology -sivustolla.

Tähän päivään mennessä on jo olemassa algoritmeja, jotka voivat seurata potilaan vastauksia lääkärin kysymyksiin ja tehdä diagnoosi niiden perusteella. Tällaiset hermoverkot analysoivat potilaan sanoman, ja tämän perusteella he päättävät onko henkilöllä masennus vai ei. Tyypillisesti lääkärit kysyvät aiemmista mielisairauksista, elämäntavoista ja niin edelleen. Kuten uuden tutkimuksen kirjoittajat huomauttavat, tällaiset keskustelut eivät juurikaan muistuta tavallisia keskusteluja, joita ihminen johtaa elämässä. Siksi heidän tavoitteenaan oli opettaa hermoverkko analysoimaan ei sitä, mitä ihminen sanoo, vaan miten hän tekee sen.

Neuraaliverkon kouluttamiseksi kirjoittajat käyttivät yli 140 ääni-, video- ja tekstitiedostoa, joissa oli tallenteita haastatteluista eri mielenterveyspotilailla. Ensinnäkin erityiskutsutut asiantuntijat arvioivat manuaalisesti jokaisen haastattelun asteikolla 0 - 27. Jos lääkäri antoi haastattelulle korkeamman pistemäärän kuin 15, potilaalla on masennuksen merkkejä. Harjoituksen jälkeen hermoverkko alkoi asettaa pisteitä itse. Diagnoosin tarkkuus (sitä arvioitiin verrattuna asiantuntijoiden päätökseen) oli keskimäärin 77%.

Luotu algoritmi analysoi potilaan puhetta, kun taas keskustelun aihe voi olla abstraktin. Tekijöiden mukaan tämä tekniikka voi tulevaisuudessa olla erittäin hyödyllinen ihmisille, jotka eivät pääse lääkäriin tai eivät halua. Uuden kehityksen perusteella on mahdollista luoda esimerkiksi mobiilisovellus, joka seuraa ihmisen viestejä ja hänen puheluitaan ja havaitsee vain näiden tietojen perusteella masennuksen merkkejä.