Vaimse tervise häirete diagnoosimine tehisintellekti näoilme hindamise abil

Saksamaa teadlased on välja töötanud meetodi psüühikahäirete tuvastamiseks arvutinägemise abil tõlgendatud näoilmete põhjal.

Uus lähenemine ei võimalda mitte ainult eristada haigeid ja mõjutatud subjekte, vaid suudab ka õigesti eristada depressiooni skisofreeniast, samuti seda, mil määral patsient on haigusest praegu mõjutatud.

Teadlased on esitanud liitpildi, mis esindab nende testide kontrollrühma (alloleval pildil vasakul) ja psüühikahäirete all kannatavaid patsiente (paremal). Mitme inimese identiteedid on esindustes segunenud ja kumbki pilt ei kujuta konkreetset isikut:

Allikas: https://arxiv.org/pdf/2208.01369.pdf

Afektiivsete häiretega inimestel on tavaliselt kulmud kergitatud, pliis pilgud, paistes näod ja rippuva koera suu ilmed. Patsiendi privaatsuse kaitsmiseks on need liitpildid ainsad, mis on uue töö toetuseks kättesaadavaks tehtud.

Seni on näo afektide tuvastamist kasutatud peamiselt põhidiagnoosimise potentsiaalse vahendina. Selle asemel pakub uus lähenemisviis võimalikku meetodit patsiendi edenemise hindamiseks kogu ravi jooksul või (potentsiaalselt, kuigi paber seda ei soovita) nende kodukeskkonnas ambulatoorseks jälgimiseks.

Lehes on kirjas*:

Aastal välja töötatud afektiivse andmetöötluse depressiooni masindiagnoosimine ulatub kaugemale eelmine uuringud, näitame, et arvutinägemise abil hinnatud mõõdetav afektiseisund sisaldab palju rohkem teavet kui puhas kategooriline klassifikatsioon.

Teadlased on seda tehnikat nimetanud Opto elektrooniline entsefalograafia (OEG), täiesti passiivne meetod vaimse seisundi järeldamiseks näokujutise analüüsi abil paiksete andurite või kiirtepõhiste meditsiiniliste pilditehnoloogiate asemel.

Autorid järeldavad, et OEG ei pruugi olla pelgalt teisene abivahend diagnoosimisel ja ravil, vaid pikemas perspektiivis võib olla ka ravitoru teatud hindavate osade potentsiaalne asendus ja see, mis võib vähendada patsiendile kuluvat aega. jälgimine ja esialgne diagnoos. Nad märgivad:

„Üldiselt näitavad masina ennustatud tulemused paremaid korrelatsioone võrreldes puhta kliinilise vaatleja hinnangul põhinevate küsimustikega ja on samuti objektiivsed. Tähelepanuväärne on ka suhteliselt lühike mõneminutiline mõõtmisperiood arvutinägemise lähenemisviiside puhul, samas kui kliiniliste intervjuude jaoks on mõnikord vaja tunde.

Siiski soovivad autorid rõhutada, et patsiendihooldus selles valdkonnas on mitmeliigiline tegevus, mille puhul tuleb arvesse võtta paljusid muid patsiendi seisundi näitajaid peale nende näoilmete ning et on liiga vara arvata, et selline süsteem võiks täielikult asendada traditsioonilised lähenemisviisid psüühikahäiretele. Sellegipoolest peavad nad OEG-d paljulubavaks lisatehnoloogiaks, eriti kui meetodit farmatseutilise ravi mõju hindamiseks patsiendile ettenähtud režiimis.

. paber on pealkirjaga Afektiivsete häirete näguja pärineb kaheksast teadlasest erinevatest institutsioonidest era- ja avalikust meditsiiniuuringute sektorist.

kuupäev

(Uues artiklis käsitletakse peamiselt erinevaid teooriaid ja meetodeid, mis on praegu populaarsed psüühikahäirete patsientide diagnoosimisel, pöörates tavapärasest vähem tähelepanu testides ja erinevates katsetes kasutatavatele tegelikele tehnoloogiatele ja protsessidele)

Andmete kogumine toimus Aacheni ülikooli haiglas, kus osales 100 sooliselt tasakaalustatud patsienti ja 50-st mittemõjutatud inimesest koosnev kontrollrühm. Patsientide hulgas oli 35 skisofreeniahaiget ja 65 depressiooni põdevat inimest.

Katserühma patsientide osa puhul tehti esialgsed mõõtmised esimese haiglaravi ajal ja teine ​​enne haiglast väljakirjutamist, mis hõlmas keskmiselt 12 nädalat. Kontrollrühmas osalejad värvati meelevaldselt kohalikest elanikest, kusjuures nende enda induktsioon ja "lahutamine" peegeldasid tegelike patsientide oma.

Tegelikult peavad sellise katse jaoks kõige olulisem "põhitõde" olema heakskiidetud ja standardmeetoditega saadud diagnoosid, nii oli see ka OEG uuringute puhul.

Andmete kogumise etapis saadi aga täiendavaid andmeid, mis sobisid paremini masintõlgenduseks: keskmiselt 90-minutilised intervjuud jäädvustati kolmes etapis Logitech c270 tarbija veebikaameraga, mis töötas kiirusega 25 kaadrit sekundis.

Esimene seanss koosnes standardist Hamiltoni intervjuu (uuringute põhjal pärineb umbes 1960), nagu tavaliselt sisseastumisel antakse. Teises faasis näidati ebatavaliselt patsiente (ja nende kolleege kontrollrühmas). videos näoilmeid ja paluti neid kõiki jäljendada, andes samas oma hinnangu oma tolleaegse vaimse seisundi, sealhulgas emotsionaalse seisundi ja intensiivsuse kohta. See etapp kestis umbes kümme minutit.

Kolmandas ja viimases faasis näidati osalejatele 96 videot näitlejatest, millest igaüks kestis veidi üle kümne sekundi ja mis ilmselt jutustavad intensiivsetest emotsionaalsetest kogemustest. Seejärel paluti osalejatel hinnata videos esindatud emotsioone ja intensiivsust, samuti oma vastavaid tundeid. See etapp kestis umbes 15 minutit.

Meetod

Jäädvustatud nägude keskmise keskmise saamiseks (vt esimest pilti ülal), jäädvustati emotsionaalsed maamärgid EmoNet raamistik. Seejärel määrati näokuju ja keskmise (keskmise) näokuju vastavus kindlaks tükikaupa afiinne teisendus.

Emotsioonide mõõtmete tuvastamine ja silmade pilgu ennustamine viidi läbi igas eelmises etapis tuvastatud maamärgisegmendis.

Siinkohal on helipõhine emotsioonijäreldus näidanud, et patsiendi vaimses seisundis on saabunud õpetatav hetk ning ülesandeks on jäädvustada vastav näopilt ning arendada oma afektiseisundi dimensiooni ja valdkonda.

(Ülaloleval videol näeme teadlaste poolt uue töö jaoks kasutatud dimensiooniliste emotsioonide tuvastamise tehnoloogiate autorite poolt välja töötatud tööd).

Iga andmekaadri jaoks arvutati materjali kuju geodeetiline väärtus ja ainsuse väärtuse lagunemine (SVD) vähendamist. Saadud aegridade andmed modelleeriti lõpuks kui a VAR protsessi ja seejärel vähendatakse seda enne SVD kaudu veelgi KAARDI kohandamine.

Geodeetilise redutseerimise protsessi töövoog.

EmoNeti võrgu valentsi ja erutusväärtusi töödeldi sarnaselt VAR-i modelleerimise ja järjestuse tuuma arvutamisega.

Katsed

Nagu varem selgitatud, on uus töö peamiselt meditsiiniline uurimustöö, mitte tavaline arvutinägemise esitus, ja soovitame lugejal tutvuda paberi endaga, et saada põhjalikku ülevaadet teadlaste korraldatud erinevatest OEG-katsetest.

Sellegipoolest, nende valiku kokkuvõtteks:

Afektiivsete häirete tunnused

Siin paluti 40 osalejal (mitte kontroll- ega patsiendirühmast) hinnata hinnatud keskmisi nägusid (vt ülal) mitme küsimuse osas, ilma et nad oleksid andmete kontekstist teavitatud. Küsimused olid:

Mis on nende kahe näo sugu?
Kas nägudel on atraktiivne välimus?
Kas need näod on usaldusväärsed inimesed?
Kuidas hindate nende inimeste tegutsemisvõimet?
Millised on kahe näo emotsioonid?
Milline on kahe näo naha välimus?
Millise mulje jätab pilk?
Kas kahel näol on rippuvad suunurgad?
Kas nende kahe näo silmad on pruunid?
Kas need isikud on kliinilised patsiendid?

Teadlased leidsid, et need pimehinnangud korreleerusid töödeldud andmete registreeritud olekuga:

Kastdiagrammi tulemused "keskmise näo" uuringu jaoks.

Kliiniline hinnang

Et hinnata OEG kasulikkust esialgses hindamises, hindasid teadlased esmalt, kui tõhus on standardne kliiniline hindamine iseenesest, mõõtes paranemise taset induktsiooni ja teise faasi vahel (selleks ajaks saab patsient tavaliselt ravimipõhist ravi).

Uurijad jõudsid järeldusele, et selle meetodi abil saab seisundit ja sümptomite tõsidust hästi hinnata, saavutades korrelatsiooni 0.82. Skisofreenia või depressiooni täpne diagnoos osutus aga keerulisemaks, standardmeetodi puhul saadi selles varases staadiumis ainult -0.03.

Autorid kommenteerivad:

„Sisuliselt saab tavaliste küsimustike abil patsiendi seisundit suhteliselt hästi kindlaks teha. See on aga sisuliselt kõik, mida sellest järeldada saab. Seda, kas keegi on depressioonis või pigem skisofreeniline, ei näita. Sama kehtib ka ravivastuse kohta.

Masinaprotsessi tulemused suutsid selles probleemvaldkonnas saada kõrgemaid punkte ja võrreldavad hinded patsiendi esialgse hindamise aspekti jaoks:

Suuremad numbrid on paremad. Vasakul standardintervjuupõhise hindamise täpsuse tulemused testimisarhitektuuri neljas faasis; paremal masinapõhised tulemused.

Häire diagnoosimine

Depressiooni eristamine skisofreeniast staatiliste näopiltide abil ei ole tühine asi. Ristvalideerituna suutis masinprotsess katsete erinevates etappides saada kõrgeid täpsusskoore:

Teistes katsetes suutsid teadlased tõestada, et OEG suudab tajuda patsiendi paranemist farmakoloogilise ravi ja häire üldise ravi kaudu:

"Andmete kogumise empiiriliste eelnevate teadmiste põhjuslik järeldus kohandas farmakoloogilist ravi, et jälgida näo dünaamika füsioloogilise regulatsiooni naasmist. Sellist tagasitulekut ei saanud kliinilise retsepti väljakirjutamise ajal täheldada.

"Praegu pole selge, kas selline masinapõhine soovitus tooks tõepoolest kaasa ravi oluliselt parema edu. Eelkõige seetõttu, et on teada, millised kõrvaltoimed võivad ravimitel olla pikema aja jooksul.

"Kuid [sellised] patsiendile kohandatud lähenemisviisid purustaksid igapäevases elus endiselt valdavalt kasutatava kategoorilise klassifikatsiooni skeemi tõkked."

* Teisendan autorite tekstisisesed tsitaadid hüperlinkideks.

Esmakordselt avaldatud 3. augustil 2022.