AI analiza govora može otkriti depresiju kod male djece
Novo istraživanje sugerira da algoritam strojnog učenja može otkriti znakove anksioznosti i depresije u govornim obrascima male djece. Tehnika bi mogla biti brži i lakši način otkrivanja teško uočljivih poremećaja kod mladih ljudi. Rano otkrivanje emocionalnih problema važno je kako bi se osigurala pravovremena skrb.
Istražitelji objašnjavaju da otprilike svako peto dijete pati od anksioznosti i depresije, zajednički poznatih kao "internalizacijski poremećaji". Međutim, teško je prepoznati znakove poremećaja jer djeca mlađa od osam godina ne mogu pouzdano artikulirati svoju emocionalnu patnju, što otežava uočavanje stanja.
Potreba za pravodobnom dijagnozom važna je jer je pristup pružatelju usluga, bilo da se radi o zakazivanju problema ili pribavljanju potvrde osiguranja, često naporan proces.
"Potrebni su nam brzi, objektivni testovi da bismo uhvatili djecu kad pate", rekla je dr. Ellen McGinnis, klinička psihologinja iz Centra za djecu, mlade i obitelj Sveučilišta Vermont u Medicinskom centru i vodeća autorica studije. "Većina djece mlađe od osam godina nije dijagnosticirana."
Istraživanje se pojavljuje u Časopis za biomedicinsku i zdravstvenu informatiku.
Rano dijagnosticiranje je presudno jer djeca dobro reagiraju na liječenje dok im se mozak još razvija, ali ako se ne liječe, veći je rizik od zlouporabe supstanci i samoubojstva kasnije u životu.
Standardna dijagnoza uključuje 60-90 minuta polustrukturiranog razgovora s obučenim kliničarom i njihovim pružateljem primarne zdravstvene zaštite.
McGinnis je, zajedno s inženjerom biomedicine sa Sveučilišta u Vermontu i višim autorom studije Ryanom McGinnisom, tražio načine za korištenje umjetne inteligencije i strojnog učenja kako bi dijagnostika postala brža i pouzdanija.
Istraživači su koristili prilagođenu verziju zadatka za indukciju raspoloženja pod nazivom Trier-Social Stress Task (Zadatak trier-socijalnog stresa) koji treba da izazove osjećaje stresa i tjeskobe kod ispitanika.
Od grupe od 71 djece u dobi od tri do osam godina zatraženo je da improviziraju trominutnu priču i rečeno im je da će im se suditi na temelju toga koliko je to bilo zanimljivo. Istraživač koji je djelovao kao sudac ostao je strog tijekom cijelog govora i davao je samo neutralne ili negativne povratne informacije. Nakon 90 sekundi, i opet s preostalih 30 sekundi, oglasio bi se zvučni signal i sudac bi im rekao koliko je vremena ostalo.
"Zadatak je stvoren da bude stresan i stavi ih u razmišljanje da ih netko osuđuje", kaže Ellen McGinnis.
Djeca su također dijagnosticirana pomoću strukturiranog kliničkog intervjua i upitnika roditelja, obojica dobro utvrđenih načina prepoznavanja internalizirajućih poremećaja u djece.
Istraživači su algoritmom strojnog učenja analizirali statističke značajke zvučnih zapisa priče svakog djeteta i povezali ih s djetetovom dijagnozom. Otkrili su da je algoritam bio vrlo uspješan u dijagnosticiranju djece, te da je srednja faza snimanja, između dva zujala, bila najsigurnija u dijagnozi.
"Algoritam je uspio identificirati djecu s dijagnozom internalizirajućeg poremećaja s 80-postotnom točnošću, a u većini slučajeva to se jako dobro uspoređivalo s točnošću roditeljskog kontrolnog popisa", kaže Ryan McGinnis.
Rezultate može dati i mnogo brže - algoritam zahtijeva samo nekoliko sekundi obrade nakon što je zadatak dovršen kako bi se postavila dijagnoza.
Algoritam je identificirao osam različitih zvučnih značajki dječjeg govora, no tri su se posebno istaknule kao izrazito indikativne za internaliziranje poremećaja: glasovi niskog tona, s ponovljivim govornim previranjima i sadržajem i jači odgovor na iznenađujuće zujanje.
Ellen McGinnis kaže da se ove značajke dobro uklapaju u ono što biste mogli očekivati od nekoga tko pati od depresije. "Glas niskog tona i ponovljivi elementi govora odražavaju ono o čemu razmišljamo kad razmišljamo o depresiji: govoreći monotonim glasom, ponavljajući ono što govorite", kaže Ellen McGinnis.
Jači odgovor na zujalicu također je sličan odgovoru koji su istraživači pronašli u svom prethodnom radu, gdje je utvrđeno da djeca s internalizirajućim poremećajima pokazuju veći odgovor okretanja strašnog podražaja u zadatku indukcije straha.
Analiza glasa ima sličnu točnost u dijagnozi kao i analiza pokreta u onom ranijem radu, ali Ryan McGinnis smatra da bi je bilo puno lakše koristiti u kliničkom okruženju.
Za zadatak straha potrebna je zamračena soba, igračka zmija, senzori pokreta pričvršćeni na dijete i vodič, dok je za glasovni zadatak potreban samo sudac, način snimanja govora i zujalica za prekid. "Ovo bi bilo izvedivije rasporediti", kaže on.
Ellen McGinnis kaže da će sljedeći korak biti razvoj algoritma analize govora u univerzalni alat za provjeru za kliničku uporabu, možda putem aplikacije za pametni telefon koja bi mogla odmah snimati i analizirati rezultate.
Analiza glasa također se može kombinirati s analizom pokreta u bateriju tehnološki potpomognutih dijagnostičkih alata kako bi se identificirala djeca u riziku od anksioznosti i depresije prije nego što i njihovi roditelji posumnjaju da nešto nije u redu.
Izvor: Sveučilište u Vermontu
