人工知能はうつ病を認識することができます。
最後に見直したもの： 18.05.2024
すべてのiLiveコンテンツは、可能な限り事実上の正確さを保証するために医学的にレビューまたは事実確認されています。
厳格な調達ガイドラインがあり、評判の良いメディアサイト、学術研究機関、そして可能であれば医学的に査読された研究のみにリンクしています。 かっこ内の数字（[1]、[2]など）は、これらの研究へのクリック可能なリンクです。
当社のコンテンツのいずれかが不正確、期限切れ、またはその他の疑問があると思われる場合は、それを選択してCtrl + Enterキーを押してください。
特に初期の段階で、うつ病を認識するのがそれほど難しいのはなぜですか。診断を最適化する方法はありますか？そのような質問は科学者によって設定されています。
「鬱病」と診断される前に、医療専門家は困難な仕事をしなければなりません。患者に関するあらゆる可能なデータの収集、病理の全体像の提示、人格形成の特徴と人の生活様式の分析。痛みを伴う症状の発症。マサチューセッツ工科大学を代表する科学者は、会話の特徴と書面のスタイルのみに基づいて、特定のテスト問題を提起することなく人の鬱病を検出できるモデルを設計しました。
研究プロジェクトのリーダーの一人であるTuki Alhanaiは、うつ病の存在についての最初の「ベル」は、ある時点でのその人の感情状態に関係なく、患者との会話中に聞くことができると説明します。診断モデルを拡張するには、情報に適用される制限の数を最小限に抑える必要があります。必要なのは、通常の会話を行うことだけで、モデルは自然な会話の過程で患者の状態を評価できます。
尋ねられた質問または聞かれた答えに制限がないため、専門家は作成されたモデルを「コンテキスト外」と呼びました。シーケンシャルモデリングの方法を使用して、研究者は鬱病性障害に苦しんでいるか苦しんでいない患者との会話のテキストと健全なバージョンのモデルを送った。シーケンスの蓄積の過程で、法律が浮上してきました - たとえば、「悲しい」、「会話に落ちる」などの単語、および聴覚的単調信号などの標準的な包含。
「このモデルは言語の一貫性を区別し、うつ病に罹患している患者と罹患していない患者における最も可能性のある現在の要因の形で認識されたパターンを評価します」とAlkhanai教授は説明します。「さらに、人工知能が次の患者で同様のシーケンスに気づいた場合、これに基づいて彼は彼らの鬱状態を診断することができます。」
テストトライアルは、症例の77％で鬱病の診断が成功したことを示しました。これは最も明確な結果であり、明確に構造化されたテストとアンケートで「機能した」以前にテストされたすべてのモデルで記録されました。
専門家は人工知能を実際に使うことを勧めますか？彼はその後の「スマートな」アシスタントのモデルのベースになるでしょうか？このため、科学者たちはまだ意見を述べていません。
この研究に関する情報は、マサチューセッツ工科大学のウェブサイトに掲載されています。またそれはページで詳しく見つけることができます。http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf
[1]