Opracowywany w Massachusetts Institute of Technology model sieci neuronowej, potrafi rozpoznawać w mowie i w piśmie człowieka oznaki tego, że cierpi on na depresję.
W klasycznym teście Turinga ma miejsce rozmowa między sztuczną inteligencją i człowiekiem. Jeśli człowiek dochodzi do wniosku, że w odpowiedziach rozmówcy jest coś nie tak – możliwe, że rozmawia on z bezduszną maszyną – uważa się, że sztuczna inteligencja nie zdała egzaminu. Komputer jest na razie przejść test Turinga tylko w najbardziej prymitywny sposób. Jednakże maszyny, jak się okazuje, potrafią coś innego: mogą one same przeanalizować mowę człowieka i pojąć, że z tym człowiekiem nie wszystko jest jak należy. Na przykład, że cierpi on na zaburzenie psychiczne.
Na konferencji Interspeech 2018, odbywającej się wtedy w Indiach, została przedstawiona praca specjalistów IT z Massachusetts. Ich program analizuje ludzką mowę – na przykład, audio-wywiad lub piśmienne odpowiedzi na pytania – i z wysoką dokładnością przewiduje, czy rozmówca cierpi na depresję.
Według danych specjalistów, symptomów ciężkich zaburzeń depresyjnych doświadczył chociaż raz w życiu co szósty mieszkaniec planety. Większość takich stanów pozostaje niezdiagnozowanymi, jednak w rozwiniętych krajach jest to jedna z najczęstszych przyczyn, przez które pacjencji zwracają się o profesjonalną pomoc psychiatryczną. Oprócz zaburzeń depresyjnych, specjaliści często mówią o depresji, jak o symptomie innych stanów psychicznych. Całkowite straty ekonomiczne spowodowane depresją szacuje się na 100 miliardów dolarów rocznie.
Dla podstawowej stresu-nerwicy/”>diagnostyki depresji i ciężkich zaburzeń depresyjnych psychiatra zadaje pacjentowi cały rząd pytań o wyglądzie jego życia, nastroju, nawykach. Na podstawie odpowiedzi formułowane są wnioski o liczbie symptomów zaburzenia. Komputer już dawno przyszedł z pomocą psychiatrom: opracowano komputerowe testy, gdzie pacjent odpowiada na określony zestaw pytań, a algorytm ocenia prawdopodobieństwo wystąpienia choroby. Jednak testy te, wykorzystują określony zestaw pytań, co zawęża zakres ich zastosowania.
Algorytm zaproponowany przez specjalistów z Cambridge, działa trochę inaczej. Jest on w stanie analizować dowolny sposób ludzkiej mowy i nie jest on ograniczony do określonych pytań czy nawet tematów rozmowy. Taki program może na przykład stać się podstawą aplikacji na smartfony, która będzie analizować charakterystyki mowy właściciela i w porę ostrzegać go o konieczności wizyty u specjalisty. Swoją metodę, autorzy nazwali „modelowaniem bezkontekstowym”.
Samouczący się algorytm, stworzony na zasadach sieci neuronowych, otrzymał do swojej dyspozycji dużą selekcję przykładów mowy różnych ludzi, wśród których byli pacjenci z ciężkimi zaburzeniami depresyjnymi. Komputer wydzielił w nich charakterystyczne oznaki choroby. Na przykład, człowiek cierpiący na depresję, częściej stosuje określone słowa-markery („smutno” albo „gorzej”), jego mowa jest bardziej monotonna i charakteryzuje się obniżającą się intonacją, pauzy między słowami są dłuższe, a tempo mowy spowalnia. Wszystkie te cechy i wcześniej były łączone z depresją, ale w tym przypadku algorytm sam podjął decyzję, na ile dana oznaka jest znamienna i wiarygodna.
Efektywność programu była oceniana według dwóch parametrów: jaka część ciepiących na depresję była ujawniona przez algorytm i u jakiej części pacjentów, których program uznał za cierpiących na depresję, była naprawdę taka diagnoza, postawiona przez psychiatrę. Średnie rezultaty: odpowiednio 71% i 83%. Podobna dokładność była całkowicie nieosiągalna dla poprzednich algorytmów. Interesujące jest, że komputerowi okazało się łatwiej analizować język pisany: dla postawienia diagnozy wystarczyło średnio 7 odpowiedzi na dowolne pytania, podczas gdy przy analizie mowy potrzebne było około trzydziestu wypowiedzianych fraz.
Jak nierzadko bywa z algorytmami sztucznej inteligencji, dla badaczy jeszcze nie jest jasne, jakie schematy przeważnie stosuje maszyna do podjęcia decyzji. To muszą dopiero ustalić. Inny kierunek pracy – wykorzystywać algorytm do diagnozowania innych stanów psychicznych, na przykład demencji.
