Strojno učenje može pomoći u predviđanju psihoze pomoću analize jezika
Nova metoda strojnog učenja može s 93 posto točnosti predvidjeti hoće li osoba kojoj prijeti psihoza nastaviti razvijati poremećaj.
Metoda koju su razvili znanstvenici sa Sveučilišta Emory i Sveučilišta Harvard otkrila je da veća od uobičajene upotrebe riječi povezane sa zvukom, u kombinaciji s većom stopom korištenja riječi sa sličnim značenjem, znači da je psihoza vjerojatno na pomolu.
Čak i obučeni kliničari nisu primijetili kako ljudi kojima prijeti psihoza koriste više riječi povezanih sa zvukom od prosjeka, iako je abnormalna slušna percepcija znak ranog upozorenja.
"Pokušaj čuti ove suptilnosti u razgovorima s ljudima je poput pokušaja da očima vidite mikroskopske klice", kaže Neguine Rezaii, prvi autor članka. „Automatizirana tehnika koju smo razvili zaista je osjetljiv alat za otkrivanje tih skrivenih uzoraka. To je poput mikroskopa za upozoravajuće znakove psihoze. "
Pojava shizofrenije i drugih psihotičnih poremećaja obično se javlja početkom 20-ih godina, a rani znakovi upozorenja - poznati kao prodromalni sindrom - počinju oko 17. godine. Otprilike 25 do 30 posto mladih s prodromalnim sindromom na kraju će razviti shizofreniju ili neki drugi psihotični poremećaj.
Trenutno ne postoji lijek za psihozu. Kroz strukturirane intervjue i kognitivne testove, obučeni kliničari mogu predvidjeti psihozu s oko 80 posto točnosti kod onih s prodromalnim sindromom.
Sada je istraživanje s strojnim učenjem, oblikom umjetne inteligencije koja može otkriti skrivene obrasce, jedan od mnogih trajnih napora da se pojednostave dijagnostičke metode, identificiraju nove varijable i poboljša tačnost predviđanja.
"Prije je bilo poznato da su suptilne značajke buduće psihoze prisutne u jeziku ljudi, ali mi smo koristili strojno učenje kako bismo zapravo otkrili skrivene detalje o tim značajkama", kaže viši autor Phillip Wolff, profesor psihologije na Emoryju. Wolffov laboratorij usredotočen je na semantiku jezika i strojno učenje kako bi predvidio donošenje odluka i mentalno zdravlje.
Za istraživanje su istraživači prvo koristili strojno učenje kako bi uspostavili "norme" za razgovorni jezik. Hranili su računalnim softverskim programom internetske razgovore 30.000 korisnika Reddita, platforme društvenih medija na kojoj ljudi vode neformalne rasprave o nizu tema.
Softverski program, poznat kao Word2Vec, koristi algoritam za promjenu pojedinih riječi u vektore (matematički pojam koji se odnosi na položaj jedne točke u prostoru u odnosu na drugu). Drugim riječima, program je svaku riječ dodijelio mjestu u semantičkom prostoru na temelju njegovog značenja. Riječi sa sličnim značenjima bile su smještene bliže jedna od druge sa vrlo različitim značenjima.
Wolffov laboratorij također je razvio računalni program za izvođenje "vektorskog raspakiranja" ili analize semantičke gustoće korištenja riječi. Otpakiranje vektora omogućilo je istraživačima da kvantificiraju koliko je informacija upakirano u svaku rečenicu.
Nakon generiranja osnovnih podataka o „normalnim“ podacima, istraživači su primijenili iste tehnike na dijagnostičkim intervjuima 40 mladih ljudi s visokim rizikom od psihoze. Zatim su automatizirane analize uzoraka sudionika uspoređene s normalnim osnovnim uzorkom.
Rezultati su pokazali da veća od uobičajene upotrebe riječi povezanih sa zvukom, zajedno s većom stopom korištenja riječi sa sličnim značenjem, znači da će vjerojatno doći do psihoze.
Snage studije uključuju jednostavnost korištenja samo dvije varijable - obje koje imaju snažne teorijske temelje - replikaciju rezultata u skupu podataka zadržavanja i visoku točnost njegovih predviđanja, iznad 90 posto.
"U kliničkom području često nam nedostaje preciznosti", kaže Rezaii. "Potrebni su nam kvantificiraniji, objektivni načini za mjerenje suptilnih varijabli, poput onih skrivenih u upotrebi jezika."
Rezaii i Wolff sada prikupljaju veće skupove podataka i testiraju primjenu svojih metoda na raznim neuropsihijatrijskim bolestima, uključujući demenciju.
"Ovo je istraživanje zanimljivo ne samo zbog svog potencijala da otkrije više o mentalnim bolestima, već i zbog razumijevanja kako um djeluje - kako spaja ideje", kaže Wolff. "Tehnologija strojnog učenja napreduje tako brzo da nam daje alate za istraživanje podataka o ljudskom umu."
Koautorica Elaine Walker, profesor psihologije i neuroznanosti iz Emoryja, kaže: "Ako uspijemo identificirati pojedince koji su ranije izloženi riziku i upotrijebiti preventivne intervencije, mogli bismo preokrenuti nedostatke."
Nalazi su objavljeni u časopisu npj šizofrenija.
Izvor: Emory Health Sciences
