Анализа говора АИ може открити депресију код мале деце

Ново истраживање сугерише да алгоритам машинског учења може открити знакове анксиозности и депресије у говорним обрасцима мале деце. Техника би могла бити бржи и лакши начин откривања тешко уочљивих поремећаја код младих људи. Рано откривање емоционалних проблема је важно како би се осигурала правовремена нега.

Истражитељи објашњавају да око сваког петог детета пати од анксиозности и депресије, заједнички познатих као „интернализациони поремећаји“. Међутим, тешко је препознати знакове поремећаја јер деца млађа од осам година не могу поуздано да артикулишу своју емоционалну патњу, што отежава уочавање стања.

Потреба за правовременом дијагнозом је важна јер је приступ добављачу, било да се ради о заказивању проблема или прибављању потврде осигурања, често напоран процес.

„Потребни су нам брзи, објективни тестови да бисмо ухватили децу када пате“, рекла је др Еллен МцГиннис, клинички психолог из Центра за децу, омладину и породицу Медицинског центра Универзитета у Вермонту и водећи аутор студије. „Већина деце млађе од осам година није дијагностикована.“

Истраживање се појављује у Часопис за биомедицинску и здравствену информатику.

Рано дијагностиковање је критично јер деца добро реагују на лечење док им се мозак још увек развија, али ако се не лече, постоји већи ризик од злоупотребе супстанци и самоубиства касније у животу.

Стандардна дијагноза укључује 60-90 минута полуструктурираног разговора са обученим клиничаром и њиховим неговатељем примарне здравствене заштите.

МцГиннис, заједно са биомедицинским инжењером Универзитета у Вермонту и старијим аутором студије Риан МцГиннис-ом, тражио је начине да вештачку интелигенцију и машинско учење учини бржим и поузданијим.

Истраживачи су користили прилагођену верзију задатка за изазивање расположења под називом Триер-Социал Стресс Таск (Задатак триер-социјалног стреса), чији је циљ да код субјекта изазове осећај стреса и анксиозности.

Од групе од 71 деце узраста од три до осам година затражено је да импровизују троминутну причу и речено им је да ће им се судити на основу тога колико је то било занимљиво. Истраживач који је вршио функцију судије остао је строг током читавог говора и давао је само неутралне или негативне повратне информације. Након 90 секунди, и опет са преосталих 30 секунди, огласио би се зујалица и судија би им рекао колико је времена остало.

„Задатак је створен да буде стресан и да их стави у размишљање да их неко осуђује“, каже Еллен МцГиннис.

Деци је такође дијагностикована коришћењем структурираног клиничког интервјуа и упитника за родитеље, обојица добро успостављених начина идентификовања интернализационих поремећаја код деце.

Истраживачи су користили алгоритам машинског учења за анализу статистичких карактеристика аудио снимака приче сваког детета и њихово повезивање са дететовом дијагнозом. Открили су да је алгоритам био изузетно успешан у дијагностиковању деце и да је средња фаза снимања, између два зујала, била најдиктивнија у дијагнози.

„Алгоритам је успео да идентификује децу са дијагнозом интернализујућег поремећаја са тачношћу од 80 процената, и у већини случајева то се заиста добро упоређује са тачношћу родитељске контролне листе“, каже Риан МцГиннис.

Резултате може дати и много брже - алгоритам захтева само неколико секунди времена обраде када је задатак завршен да би се поставила дијагноза.

Алгоритам је идентификовао осам различитих звучних карактеристика говора деце, али су се посебно три издвојила као високо индикативне за интернализовање поремећаја: гласови ниског тона, са поновљивим говорним флексијама и садржајем и јачи одговор на изненађујуће зујање.

Еллен МцГиннис каже да се ове особине добро уклапају са оним што бисте могли очекивати од некога ко пати од депресије. „Глас ниског тона и поновљиви елементи говора одражавају оно о чему размишљамо када размишљамо о депресији: говорећи монотоним гласом, понављајући оно што говорите“, каже Еллен МцГиннис.

Јачи одговор на зујалицу такође је сличан одговору који су истраживачи пронашли у свом претходном раду, где је утврђено да деца са интернализујућим поремећајима показују већи одговор одвраћања од страшног стимулуса у задатку изазивања страха.

Анализа гласа има сличну тачност у дијагнози као и анализа покрета у оном ранијем раду, али Риан МцГиннис сматра да би то било много лакше користити у клиничком окружењу.

За задатак страха потребна је замрачена соба, змија играчка, сензори покрета прикачени на дете и водич, док је за гласовни задатак потребан само судија, начин за снимање говора и зујалица за прекид. „Ово би било изводљивије за примену“, каже он.

Еллен МцГиннис каже да ће следећи корак бити развој алгоритма за анализу говора у универзални алат за скрининг за клиничку употребу, можда путем апликације за паметни телефон која би могла одмах да бележи и анализира резултате.

Анализа гласа такође се може комбиновати са анализом покрета у батерију дијагностичких алата уз помоћ технологије, који помажу у идентификовању деце у ризику од анксиозности и депресије пре него што и њихови родитељи посумњају да било шта није у реду.

Извор: Универзитет у Вермонту