Masennuksen diagnosointi on hankala asia.
Ei mitään verikokeita, skannausta eikä biopsiaa, joka antaa vaikeita todisteita siitä, että jotain on mennyt pieleen. Sen sijaan koko paino on koulutetun lääkärin taitoa tehdä arviointi, joka perustuu suurelta osin ihmisen vastauksiin sarjaan vakiokysymyksiä. Diagnoosia monimutkaistaa edelleen se, että masennus voidaan esiintyä monin tavoin - apatiikasta levottomuuteen äärimmäisiin syömis- tai nukkumistapoihin.
Joten käsitys siitä, että tekoäly voisi auttaa ennustamaan, jos henkilö kärsii masennuksesta, on potentiaalisesti iso askel eteenpäin - tosin se, joka tuo mukanaan kysymyksiä siitä, miten sitä voidaan käyttää.
Mikä tekee tämän mahdolliseksi, MIT: n tietotekniikan ja tekoälyn laboratorion (CSAIL) tutkija Tuka Alhanai sanoo, on koneoppimallin kyky tunnistaa masennukseen liittyvät puhe- ja kielirakenteet. Vielä tärkeämpää on, että hänen ja MIT-tutkijansa, Mohammad Ghassemin kehittämä malli pystyi tunnistamaan masennuksen suhteellisen suurella tarkkuudella analysoimalla ihmisten puhetta pikemminkin kuin heidän erityisiä vastauksiaan lääkärin kysymyksiin.
Sitä Alhanai viittaa ”kontekstivapaan” analyysiin; toisin sanoen, malli ottaa juonteensa sanoista, joita ihmiset valitsevat, ja kuinka he sanovat ne, yrittämättä tulkita lausuntojensa merkitystä.
"Sen sijaan, että käskenisit mallin keskittyä vastauksiin tiettyihin kysymyksiin, se on ohjelmoitu selvittämään itse, mihin haluaa keskittyä", hän sanoo.
Mahdollisena hyötynä, Alhanai toteaa, on, että tällaista hermoverkkoon perustuvaa lähestymistapaa voitaisiin yhtenä päivänä käyttää arvioimaan ihmisen luonnollisempia keskusteluja virallisen, jäsennellyn haastattelun ulkopuolella kliinisen lääkärin kanssa. Tästä voi olla hyötyä ihmisten kannustamisessa hakemaan ammatillista apua, kun he muutoin eivät välttämättä ole kustannusten, etäisyyden tai yksinkertaisesti tietämättömyyden takia, että jokin on vialla.
"Jos haluat ottaa käyttöön malleja skaalautuvalla tavalla", hän sanoo, "haluat minimoida käyttämäsi tietojen rajoitukset. Haluat ottaa sen käyttöön missä tahansa säännöllisessä keskustelussa ja saada mallin poimimaan luonnollisen vuorovaikutuksen perusteella yksilön tilan. "
Spotting-kuviot
Malli keskittyi ääni-, video- ja transkriptioihin 142 potilashaastattelusta, joista noin 30 prosentilla kliiniset lääkärit olivat diagnosoineet masennuksen. Erityisesti se käytti sekvenssimallinnukseen kutsuttua tekniikkaa, jossa malliin syötettiin sekä masentuneiden että masentumattomien ihmisten teksti- ja äänidatan sekvenssejä. Sen jälkeen masennustilanteessa ja ilman sitä syntyi erilaisia puhekuvioita. Esimerkiksi sanat, kuten “surullinen”, “matala” tai “alhainen”, saattavat yleensä olla pariliitoksessa tasaisempien ja yksisävyisempien äänisignaalien kanssa.
Mutta mallin oli päättää, mitkä mallit olivat yhdenmukaisia masennuksen kanssa. Sitten se sovelsi opittuaan ennustaa, mitkä uudet aiheet olivat masentuneita. Viime kädessä sen onnistumisaste oli 77 prosenttia masennuksen tunnistamisessa.
Tutkijat havaitsivat myös, että malli tarvitsi huomattavasti enemmän tietoa masennuksen ennustamiseen pelkästään sen perusteella, kuinka ääni kuulosti, toisin kuin mitä sanoja ihminen käytti. Jälkimmäisen kanssa, kun se keskittyi yksinomaan tekstiin, mallin piti analysoida keskimäärin vain seitsemän sekvenssiä masennuksen ennustamiseksi. Mutta käytettäessä vain ääniääntä, se vaati 30 sekvenssiä. Tämä viittaa siihen, että ihmisen valitsemat sanat ennustavat paremmin masennusta kuin niiden ääntä.
Algoritmiset ylityöt?
Vielä on liian aikaista sanoa, kuinka AI-malli voidaan sisällyttää masennuksen diagnoosiin. "Se on askel kohti kykyä analysoida enemmän vapaamuotoisia vuorovaikutuksia, mutta se on vain ensimmäinen askel", sanoo CSAIL: n vanhempi tutkija James Glass. Hän toteaa, että testinäyte oli ”pieni”. Hän sanoo myös, että tutkijoiden tulee yrittää ymmärtää paremmin mitä raakadatan erityisiä malleja malli yksilöi masennusta osoittavana.
"Nämä järjestelmät ovat uskottavampia, kun sinulla on selitys, mitä ne hakevat", hän sanoo.
Se on tärkeää, koska koko ajatus AI: n käytöstä mielenterveystilojen diagnosoinnissa on toteutettu sen osuuden kanssa skeptisyydestä. Sitä käytetään jo terapiakeskusteluissa, kuten Woebot, mutta osallistuminen todelliseen diagnoosiin vie koneiden roolin toiselle tasolle.
Kanadalainen lääkäri Adam Hofmann, kirjoittaessaan äskettäin Washington Postissa, varoitti mahdollisista seurauksista, joita hän kutsui "algoritmiseksi ylisuureksi".
"Voisiko esimerkiksi vääriä positiivisia johtaa ihmisiä, jotka eivät vielä ole masentuneita, uskomaan olevansa", hän kirjoitti. ”Mielenterveys on geneettisten, fyysisten ja ympäristötekijöiden monimutkainen vuorovaikutus. Tiedämme lumelääke- ja nosebo-vaikutuksista lääketieteessä, kun sokeat pillerit käyttävät kokemuksia joko lääkkeen positiivisista tai kielteisistä vaikutuksista, koska heillä on joko positiivisia tai kielteisiä odotuksia siitä.
"Jos sanotaan, että sinulla on pahoinvointi, se voi tehdä siitä kirjaimellisesti."
Hofmann esitti myös huolen siitä, kuinka kauan tällaisten AI-diagnostiikkatyökalujen johtopäätöksiä voidaan säilyttää ulkopuolisilta osapuolilta, kuten vakuutuksenantajilta tai työnantajilta. Tämä ahdistus mahdollisesta väärinkäytöksestä “masennuksen ilmaisimien” kautta mainittiin myös äskettäisessä The Next Web -lehdessä.
Alhanai ja Glass ovat kuulleet pelättävän spekuloinnin riskeistä, jotka johtuvat siitä, että luottamus liikaa AI-malleihin mielenterveyden diagnoosissa. Mutta he sanovat, että heidän tutkimuksensa on suunnattu lääkäreiden auttamiseen, ei korvaamiseen.
"Toivomme, että pystymme tarjoamaan täydentävän analyysimuodon", Glass sanoo. ”Potilas ei ole koko ajan lääkärin kanssa. Mutta jos potilas puhuu kotona puhelimeensa, ehkä nauhoittaa päivittäistä päiväkirjaa ja kone havaitsee muutoksen, se saattaa ilmoittaa potilaalle, että hänen tulee ottaa yhteys lääkäriin.
"Emme näe tekniikkaa tekeviä päätöksiä kliinisen sijaan", hän lisää. ”Katsomme sen tarjoavan toista syöttötietoa klinikolle. Heillä olisi silti pääsy kaikkiin nykyisiin tuloihin, joita he käyttävät. Tämä antaisi heille vain uuden työkalun työkalupakastaan. "
