Dạy trí thông minh nhân tạo nhận biết sự trầm cảm

Các nhà nghiên cứu tại viện nghiên cứu MIT đã tạo ra một mạng thần kinh có thể được sử dụng để phát hiện các dấu hiệu của trầm cảm trong các bài phát biểu của con người.

Trong một bài báo được trình bày tại Hội nghị Interspeech, các nhà nghiên cứu đã mô tả chi tiết một mô hình mạng thần kinh có thể được sử dụng trên văn bản thô và dữ liệu âm thanh từ các cuộc phỏng vấn để khám phá các mẫu giọng nói biểu thị sự trầm cảm.

Tuka Alhanai, một nhà nghiên cứu thuộc Phòng thí nghiệm trí tuệ nhân tạo và khoa học máy tính cho biết: "Những gợi ý đầu tiên chúng tôi biết được liệu một người đang hạnh phúc, vui mừng, buồn bã, hoặc có một số tình trạng nhận thức nghiêm trọng như trầm cảm là thông qua lời nói của họ".

Các nhà nghiên cứu cho biết đây thực sự là một bước phát triển vượt bậc khi nói về chủ đề mới, nó có thể dự đoán chính xác nếu cá nhân bị trầm cảm, mà không cần bất kỳ thông tin khác về các câu hỏi và câu trả lời.

Alhanai cho biết: "Nếu bạn muốn triển khai các mô hình phát hiện bệnh trầm cảm theo cách có thể mở rộng, bạn muốn giảm thiểu số lượng các ràng buộc bạn có trên dữ liệu bạn đang sử dụng. Bạn muốn triển khai nó trong bất kỳ cuộc trò chuyện thường xuyên và có mô hình nhận, từ tương tác tự nhiên, trạng thái của cá nhân".

Hy vọng phương pháp này có tiềm năng được phát triển như một công cụ để phát hiện các dấu hiệu của bệnh trầm cảm trong cuộc trò chuyện tự nhiên, chẳng hạn như một ứng dụng di động theo dõi văn bản và giọng nói của người sử dụng và gửi thông báo nếu nó phát hiện các triệu chứng trong việc bất ổn về tinh thần.

Mô hình của các nhà nghiên cứu đã được đào tạo và thử nghiệm trên một tập dữ liệu gồm 142 tương tác từ các cuộc phỏng vấn âm thanh, văn bản và video của bệnh nhân có vấn đề về sức khỏe tâm thần và các tác nhân ảo do con người kiểm soát.

Mỗi chủ đề được chấm điểm về trầm cảm trên thang điểm từ 0 đến 27, sử dụng bảng câu hỏi sức khỏe cá nhân. Điểm từ 10 đến 14 được coi là trung bình và những người từ 15 đến 19 được coi là trầm cảm, trong khi tất cả những người khác dưới ngưỡng đó được coi là không bị trầm cảm. Trong số tất cả các đối tượng trong tập dữ liệu, 20% được dán nhãn là bị trầm cảm.

Một cái nhìn sâu sắc được đưa ra từ nghiên cứu là trong các thí nghiệm, mô hình sử dụng âm thanh cần nhiều dữ liệu hơn để dự đoán trầm cảm hơn là mô hình sử dụng văn bản. Với văn bản, mô hình phát hiện chính xác bệnh trầm cảm bằng cách sử dụng trung bình bảy chuỗi câu hỏi. Trong khi với âm thanh, mô hình cần khoảng 30 trình tự.

Alhanai cho biết: "Điều đó ngụ ý rằng các mô hình trong các từ mà mọi người sử dụng có thể dự đoán được sự trầm cảm xảy ra trong khoảng thời gian ngắn hơn trong văn bản so với âm thanh".