Ερευνητές Χρησιμοποιούν AI Εκπαιδευμένο σε Δεδομένα του Facebook για την Ανίχνευση Σημείων Ψυχικής Ασθένειας

Μια ομάδα ερευνητών δημοσίευσε πρόσφατα μία μελέτη στο Nature, जह섭 λεπτομέρειες για τις προσπάθειές τους να χρησιμοποιήσουν δεδομένα του Facebook (META ) για την ανίχνευση πιθανών ψυχιατρικών ασθενειών. Όπως αναφέρεται στο Wired, οι ερευνητές κατάφεραν να κατασκευάσουν ένα μοντέλο AI που μπορεί να προβλέψει με επιτυχία μια διάγνωση ψυχικής ασθένειας με βάση μηνύματα που στάλθηκαν μέχρι 18 μήνες πριν από την επίσημη διάγνωση.

Για να δημιουργήσουν το προβλεπτικό μοντέλο, η ερευνητική ομάδα συλλέγουν δεδομένα από 223 εθελοντές. Οι εθελοντές συμφώνησαν να δώσουν στους ερευνητές πρόσβαση στα μηνύματα που είχαν στείλει και στις εικόνες που είχαν αναρτήσει. Οι ερευνητές εκπαίδευσαν ένα μοντέλο Random Forest σε χαρακτηριστικά που εξήχθησαν από τα συλλεγμένα μηνύματα και εικόνες. Ο στόχος του μοντέλου ήταν να καθορίσει εάν ένας συμμετέχων είχε ψυχική διαταραχή, ομαδοποιώντας περιπτώσεις σε διαγνώσεις διαταραχών διάθεσης, διαγνώσεις φάσματος σχιζοφρένειας ή keine ψυχική διαταραχή.

Όταν οι ερευνητές ανάλυσαν τα αποτελέσματα, βρήκαν ότι διάφορα χαρακτηριστικά συσχετίζονταν με ψυχικές διαταραχές. Όταν πρόκειται για εικόνες, τα μπλε χρώματα συσχετίζονταν με διάγνωση διαταραχών διάθεσης. Η υψηλή χρήση προκατακλυσμών ήταν γενικά ενδεικτική ψυχικής ασθένειας, ενώ λέξεις όπως hear, feel και see (λέξεις αντίληψης) συσχετίζονταν με διάγνωση σχιζοφρένειας.

Για να καθορίσουν την επιτυχία του μοντέλου AI, οι ερευνητές σύγκριναν ψευδείς θετικούς και ψευδείς αρνητικούς. Η ερευνητική ομάδα ανέφερε ότι ο δείκτης επιτυχίας τους ήταν μεταξύ 0,65 και 0,77, με 1 ως τέλειο σκορ και 0,5 ως μέσο όρο επιτυχίας ενός μοντέλου που τυχαία υποψιάζεται. Όσο πιο πρόσφατα ήταν τα μηνύματα, τόσο καλύτερη ήταν η επιτυχία του μοντέλου. Ωστόσο, ακόμη και όταν η ομάδα των ερευνητών περιόρισε τους εαυτούς της στα μηνύματα που χρονολογούνταν πάνω από ένα χρόνο πριν από μια διάγνωση, το μοντέλο vẫn παρουσίασε σημαντικά καλύτερη απόδοση από τύχη.

Το ενδιαφέρον γύρω από αυτό το επίπεδο ακρίβειας είναι ότι είναι περίπου ισοδύναμο με την ακρίβεια του PHQ-9. Το PHQ-9 είναι ένα διαγνωστικό εργαλείο που χρησιμοποιείται για τον έλεγχο της κατάθλιψης, ζητώντας από το υποκείμενο 10 ερωτήσεις. Εάν ένα μοντέλο AI εκπαιδευμένο σε δεδομένα του Facebook μπορεί να εκτελέσει με συνέπεια τόσο καλά όσο το PHQ-9, θα μπορούσε потенτικά να χρησιμοποιηθεί ως διαγνωστικό εργαλείο, συμπληρώνοντας τα υπάρχοντα εργαλεία που χρησιμοποιούν οι κλινικοί ιατροί.

Ο επικεφαλής ερευνητής της μελέτης ήταν ο Michael Birnbaum, αναπληρωτής καθηγητής στο Feinstein Institutes for Medical Research στο Manhasset, Νέα Υόρκη. Σύμφωνα με το Wired, τα εργαλεία AI που χρησιμοποιούν δεδομένα κοινωνικών μέσων έχουν το потенシャル να κάνουν μια σημαντική διαφορά στην διάγνωση και θεραπεία ψυχιατρικών ασθενειών. Όπως αναφέρθηκε ο Birnbaum στο Wired:

«Τώρα κατανοούμε την ιδέα ότι ο καρκίνος έχει πολλά διαφορετικά στάδια. Εάν πιάσετε τον καρκίνο στο Στάδιο I, είναι δραματικά διαφορετικό από το να τον πιάσετε όταν έχει μεταστατίσει. Στην ψυχιατρική, έχουμε την τάση να αρχίζουμε να εργαζόμαστε με άτομα όταν ήδη έχει μεταστατίσει. Αλλά υπάρχει η δυνατότητα να πιάσουμε τους ανθρώπους νωρίτερα».

Ουσιαστικά, οι ψυχικές ασθένειες μπορούν να παρουσιάσουν διαφορετικές μορφές σε διαφορετικές χρονικές στιγμές και περισσότερες ποικίλες πηγές δεδομένων μπορούν να βοηθήσουν τους ερευνητές και τους κλινικούς ιατρούς να καθορίσουν την ψυχική υγεία ενός ατόμου. Το πλεονέκτημα της χρήσης δεδομένων κοινωνικών μέσων είναι ότι αποτελεί μια συνεχής εγγραφή των σκέψεων και των συναισθημάτων ενός ατόμου. Αυτά τα δεδομένα θα μπορούσαν να χρησιμοποιηθούν για να συμπληρώσουν τις μακρές συνεντεύξεις που οι κλινικοί ιατροί βασίζονται για να διαγνώσουν ένα ασθενή.

Ο Birnbaum περιμένει ότι τα μοντέλα AI που βασίζονται σε δεδομένα κοινωνικών μέσων θα μπορέσουν να βοηθήσουν τους θεραπευτές να παρακολουθούν τους ασθενείς τους κατά τη διάρκεια της θεραπείας. Ο Birnbaum εξήγησε ότι οι θεραπευτές συνήθως λαμβάνουν μόνο μια «φωτογραφία» της ζωής ενός ατόμου κάθε μήνα περίπου και ότι η δυνατότητα να χρησιμοποιήσουν δεδομένα κοινωνικών μέσων επιτρέπει στους κλινικούς ιατρούς να λάβουν μια πιο πλήρη, αντιπροσωπευτική κατανόηση των τάσεων στη ζωή ενός ατόμου. Ο Birnbaum ελπίζει ότι μέσα σε πέντε έως δέκα χρόνια η χρήση δεδομένων κοινωνικών μέσων στην αξιολόγηση της ψυχικής υγείας θα γίνει πιο συνηθισμένη.