نجاح تقنية للذكاء الإصطناعى فى التعرف على الاكتئاب من خلال الصوت فى 20 ثانية

قام الباحثون بتقييم فعالية أداة التعلم الآلي (ML) في اكتشاف الإشارات الصوتية المرتبطة بالاكتئاب المتوسط أو الشديد.

تمكنت الأداة من اكتشاف العلامات الصوتية للاكتئاب في 25 ثانية فقط وحددت حالات الاكتئاب بشكل صحيح في أكثر من 70% من العينات، مما يسلط الضوء على فائدتها في فحص الصحة العقلية.

تتمتع تقنية التعلم الآلي بالقدرة على تحسين معدلات فحص الاكتئاب. غالبًا ما يكون لدى الأشخاص المصابين بالاكتئاب أنماط مميزة في الكلام، بما في ذلك التلعثم، والتردد، والتوقفات الطويلة، والكلام البطيء. تستطيع تقنية التعلم الآلي تحليل هذه الخصائص الصوتية، والتي تسمى بالعلامات الحيوية الصوتية، للكشف عن علامات الاكتئاب.

يوفر استخدام التعلم الآلي في فحص الاكتئاب القائم على الكلام طريقة غير جراحية وموضوعية وآلية لتحديد الأشخاص المعرضين للخطر. وقد يؤدي هذا النهج إلى جعل عملية الفحص أبسط وأكثر كفاءة، ويساعد الأطباء في نهاية المطاف على اكتشاف الاكتئاب في وقت مبكر وتحسين رعاية المرضى. .

قام الباحثون بدراسة ما إذا كان التعلم الآلي قادر على اكتشاف علامات الاكتئاب من خلال تحليل أنماط اللغة. ولضمان تنوع المجموعة، استهدفوا الرجال وكبار السن على وجه التحديد في جهودهم التعليمية. أكمل المشاركون استبيانًا قياسيًا حول الاكتئاب وسجلوا ما لا يقل عن 25 ثانية من الكلام باستخدام هواتفهم أو أجهزة الكمبيوتر الخاصة بهم؛ وقام الباحثون بمعالجة التسجيلات لضمان جودة الصوت الواضحة والمتسقة.

قام نموذج التعلم الآلي بتحليل التسجيلات الصوتية لتحديد ما إذا كان الشخص يعاني من اكتئاب متوسط إلى شديد. قسمت الدراسة المشاركين إلى ثلاث فئات وحددتهم على أنهم معرضون للإصابة بالاكتئاب إذا كانت أنماطهم الصوتية تشير بقوة إلى ذلك ولم يظهروا أي علامات للاكتئاب. إذا لم يتم العثور على إشارات صوتية واضحة وكانت النتائج غير واضحة، يوصى بإجراء مزيد من التحقيقات.

ولإجراء الدراسة، تم تحليل التسجيلات الصوتية للمشاركين. وكانت عينات كلام المشاركين تتراوح بين 25 إلى 75 ثانية تقريبًا، بمتوسط حوالي 58 ثانية. وتراوحت درجات الاكتئاب التي أبلغوا عنها ذاتيًا من 0 إلى 27، بمتوسط 9.

لقد ثبت أن النموذج قادر على اكتشاف الاكتئاب بدقة، كما أظهر نموذج التعلم الآلي نتائج واعدة في فحص الاكتئاب، على الرغم من أن الدقة تختلف حسب العمر والجنس والعرق.

تناولت هذه الدراسة إمكانية استخدام التعلم الآلي في الكشف عن الأنماط الصوتية المرتبطة بالاكتئاب المتوسط إلى الشديد. قام نموذج التعلم الآلي بتحليل عينات الكلام القصير وأظهر أداءً مشابهًا لأدوات الفحص المعمول بها، بحساسية 71.3% وخصوصية 73.5%.

ورغم أن هذه التكنولوجيا لا يمكنها أن تحل محل التشخيص السريري، إلا أنها قد تساعد الأطباء على فحص المزيد من المرضى بكفاءة أكبر. لقد تم بالفعل استخدام أدوات التعلم الآلي المماثلة للكشف عن الأمراض العصبية، مما يسلط الضوء على إمكاناتها في مجال الرعاية الصحية.

أما بالنسبة للبالغين الأكبر سنا، كانت الحساسية أقل ولكن الخصوصية كانت أعلى. ويشير هذا إلى أن التغيرات الصوتية المرتبطة بالعمر قد تؤثر على النتائج.

في حين أن تحليل الصوت القائم على التعلم الآلي لا يزال قيد التطوير، فإنه يمكن أن يدعم الفحص الشامل للاكتئاب ويساعد الأطباء على اكتشاف الاكتئاب في وقت مبكر وتقليل التحيز التشخيصي. المصدر: وكالات