محققان دریافتند
به گزارش گروه فناوری خبرگزاری دانشجو، نوآوری‌های ارائه شده در حوزه هوش مصنوعی، به پژوهشگران امکان می‌دهند تا روانپریشی را بهتر تشخیص دهند. پژوهشگران دانشگاه هاروارد و دانشگاه اِموری آمریکا، دو سیستم مبتنی بر یادگیری ماشینی را برای تشخیص روانپریشی از گفتار انسان به کار گرفتند.
پژوهشگران، نوعی روش یادگیری ماشینی ابداع کرده‌اند که گفتار را برای یافتن نشانه‌های روانپریشی تحلیل می‌کند. ویژگی‌های کوچک روش گفتار انسان‌ها، نشانگر خوبی برای تشخیص خطر ابتلاء به بیماری‌های روحی در آینده است و یادگیری ماشینی می‌تواند روش سریع و دقیقی برای شناسایی این ویژگی‌ها ارائه دهد. پژوهشگران با ابداع سیستمی که بار معنایی و کاربرد واژگان را در گفتار شخص ارزیابی می‌کند، توانستند افرادی که در معرض ابتلاء به روانپریشی هستند، با دقت شناسایی کنند.
افرادی که به روانپریشی مبتلا می‌شوند، بار معنایی کمتر و ابهام بیشتری در گفتار خود دارند. اختلالات روانپریشی مانند اسکیزوفرنی، توهمات شنیداری در بیماران ایجاد می‌کنند و موجب می‌شوند که بیماران به صحبت با صدا‌های خیالی بپردازند. پژوهشگران با به کار بردن روشی موسوم به "باز کردن بردار" (vector unpacking) توانستند بار معنایی گفتار افراد را شناسایی و ارزیابی کنند.
پژوهشگران برای این بررسی، از مکالمات آنلاین ۳۰ هزار نفر در فضای مجازی استفاده کردند تا نوعی "هنجار" شامل ۴۰۱ میلیون واژه برای محتوای گفتار ابداع کنند. آن‌ها پس از مقایسه گفتار بیماران با این هنجار توانستند ناهنجاری‌هایی که نشانه‌های ابتدایی روانپریشی را مشخص می‌کنند، نشان دهند.
این گروه پژوهشی برای آزمایش سیستم خود، ۴۰ شرکت‌کننده را مورد ارزیابی قرار دادند و سپس بررسی خود را یک بار در هر شش ماه ادامه دادند تا نشانه‌های روانپریشی در شرکت‌کنندگان ظاهر شد. در این مدت، از مصاحبه شرکت‌کنندگان فیلمبرداری شد تا محتوای گفتار آن‌ها مشخص شود؛ سپس فیلم‌ها با یک سیستم هوش مصنوعی بررسی شد تا احتمال ابتلاء به روانپریشی پیش‌بینی شود. پژوهشگران دریافتند که پلتفرم هوش مصنوعی آن‌ها می‌تواند امکان ابتلاء به روانپریشی را با ۹۳ درصد تشخیص دهد. آن‌ها نتیجه گرفتند که این سیستم، نه تنها ابزار خوبی برای پیش‌بینی امکان ابتلاء به روانپریشی است، بلکه می‌تواند بسیاری از اختلالات روحی دیگر را نیز به خوبی تشخیص دهد.
پژوهشگران در بررسی دیگری توانستند قابلیت هوش مصنوعی را در تشخیص اسکیزوفرنی با کمک «اسکن تصویرسازی تشدید مغناطیسی کارکردی» یا «اف‌ام‌آرآی»(fMRI) نشان دهند. پیش از این نیز پژوهش‌هایی برای تشخیص اسکیزوفرنی با کمک یادگیری ماشینی صورت گرفته بود، اما پژوهشگران در این پروژه نشان دادند که بررسی در بیشتر پژوهش‌های پیشین، معمولاً به بیماران تحت درمان نیاز دارد.
این موضوع موجب می‌شود که چنین پژوهش‌هایی، کاربرد کمی در پزشکی دنیای واقعی داشته باشند. این پژوهش‌ها، فقط در نمونه‌های کوچک انجام شده‌اند و قابلیت اطمینان داده‌ها را کاهش می‌دهند. پژوهشگران برای رفع این نواقص، یک سیستم مبتنی بر هوش مصنوعی ابداع کردند که می‌تواند اسکیزوفرنی را با بررسی اسکن‌های اف. ام. آر.آی تشخیص دهد. آن‌ها این سیستم را روی مجموعه بزرگتری از داوطلبان آزمایش کردند که ۸۱ نفر از آن‌ها مبتلا به اسکیزوفرنی و ۹۳ نفر سالم بودند و هیچیک از آن‌ها تحت درمان خاصی قرار نداشتند.
این پلتفرم یادگیری ماشینی موسوم به EMPaSchiz توانست احتمال ابتلاء به اسکیزوفرنی را بر اساس فعالیت مغز و اتصالات عملکردی در اسکن‌های اف. ام. آر. آی تشخیص دهد.
دقت این پلتفرم در کار خود، ۸۷ درصد بیش از سیستم‌های یادگیری ماشینی دیگر بود. به گفته پژوهشگران EMPaSchiz نخستین فناوری یادگیری ماشینی است که می‌تواند احتمال ابتلاء به اسکیزوفرنی را بدون نیاز به مصرف دارو توسط شرکت‌کنندگان تشخیص دهد.
نتایج این پژوهش، پیشرفت امیدوارکننده‌ای را برای کاربرد ابزار تشخیصی خودکار نشان می‌دهد که از تصویربرداری مغزی و هوش مصنوعی استفاده می‌کنند.
ارسال نظرات