Հոգեկան առողջության խանգարումների ախտորոշում դեմքի արտահայտման AI գնահատման միջոցով

Գերմանացի գիտնականները մշակել են հոգեկան խանգարումների հայտնաբերման մեթոդ՝ համակարգչային տեսլականով մեկնաբանվող դեմքի արտահայտությունների հիման վրա:

Նոր մոտեցումը ոչ միայն կարող է տարբերակել չազդված և ախտահարված առարկաներին, այլև կարող է ճիշտ տարբերակել դեպրեսիան շիզոֆրենիայից, ինչպես նաև այն աստիճանը, որով հիվանդը ներկայումս ազդված է հիվանդությամբ:

Հետազոտողները ներկայացրել են կոմպոզիտային պատկեր, որը ներկայացնում է իրենց թեստերի վերահսկիչ խումբը (ձախ կողմում՝ ստորև նկարում) և հոգեկան խանգարումներով տառապող հիվանդներին (աջից): Բազմաթիվ մարդկանց ինքնությունները միախառնված են ներկայացումների մեջ, և ոչ մի պատկեր չի պատկերում որոշակի անհատ.

Աղբյուր՝ https://arxiv.org/pdf/2208.01369.pdf

Աֆեկտիվ խանգարումներ ունեցող անհատները հակված են բարձրացրած հոնքերի, կապարե հայացքների, ուռած դեմքերի և կախովի շան բերանի արտահայտությունների: Հիվանդի գաղտնիությունը պաշտպանելու համար այս կոմպոզիտային պատկերները միակն են, որոնք հասանելի են նոր աշխատանքին աջակցելու համար:

Մինչ այժմ դեմքի էֆեկտի ճանաչումը հիմնականում օգտագործվել է որպես հիմնական ախտորոշման հնարավոր գործիք: Փոխարենը, նոր մոտեցումը առաջարկում է հիվանդի առաջընթացը բուժման ողջ ընթացքում կամ այլապես (հնարավոր է, թեև թերթը դա չի առաջարկում) գնահատելու հնարավոր մեթոդ իրենց սեփական տնային միջավայրում՝ ամբուլատոր մոնիտորինգի համար:

Թերթում նշված է*.

«Աֆեկտիվ հաշվարկում դեպրեսիայի մեքենայական ախտորոշման սահմաններից դուրս գալը, որը մշակվել է XNUMX թ նախորդ ուսումնասիրություններ, մենք ցույց ենք տալիս, որ համակարգչային տեսողության միջոցով գնահատված չափելի էֆեկտիվ վիճակը շատ ավելի շատ տեղեկատվություն է պարունակում, քան զուտ կատեգորիկ դասակարգումը։

Հետազոտողները այս տեխնիկան անվանել են Օպտո էլեկտրոնային էնցեֆալոգրաֆիա (OEG), դեմքի պատկերի վերլուծության միջոցով հոգեկան վիճակի ենթադրության լրիվ պասիվ մեթոդ՝ արդիական սենսորների կամ ճառագայթների վրա հիմնված բժշկական պատկերավորման տեխնոլոգիաների փոխարեն։

Հեղինակները եզրակացնում են, որ OEG-ը պոտենցիալ կարող է լինել ոչ միայն ախտորոշման և բուժման երկրորդական օգնական, այլ երկարաժամկետ հեռանկարում բուժման խողովակաշարի որոշ գնահատող մասերի պոտենցիալ փոխարինում, և որը կարող է կրճատել հիվանդի համար անհրաժեշտ ժամանակը: մոնիտորինգ և նախնական ախտորոշում: Նրանք նշում են.

«Ընդհանուր առմամբ, մեքենայի կողմից կանխատեսված արդյունքները ցույց են տալիս ավելի լավ փոխկապակցվածություն՝ համեմատած մաքուր կլինիկական դիտորդների վարկանիշի վրա հիմնված հարցաթերթիկների հետ և նաև օբյեկտիվ են: Հատկանշական է նաև համակարգչային տեսողության մոտեցումների համեմատաբար կարճ չափման ժամանակահատվածը՝ մի քանի րոպե, մինչդեռ կլինիկական հարցազրույցների համար երբեմն ժամեր են պահանջվում»։

Այնուամենայնիվ, հեղինակները ցանկանում են ընդգծել, որ հիվանդների խնամքն այս ոլորտում բազմամոդալ հետապնդում է, որտեղ հիվանդի վիճակի շատ այլ ցուցանիշներ պետք է հաշվի առնել, քան միայն նրանց դեմքի արտահայտությունները, և որ դեռ վաղ է մտածել, որ նման համակարգը կարող է ամբողջությամբ փոխարինել հոգեկան խանգարումների ավանդական մոտեցումներին: Այնուամենայնիվ, նրանք համարում են OEG-ը խոստումնալից օժանդակ տեխնոլոգիա, մասնավորապես՝ որպես հիվանդի կողմից սահմանված ռեժիմում դեղագործական բուժման հետևանքները գնահատելու մեթոդ:

The թուղթ վերնագրված է Աֆեկտիվ խանգարումների դեմքը, և գալիս է ութ հետազոտողներից՝ մասնավոր և պետական ​​բժշկական հետազոտությունների ոլորտի հաստատությունների լայն շրջանակում:

Ամսաթիվ

(Նոր աշխատությունը հիմնականում վերաբերում է տարբեր տեսություններին և մեթոդներին, որոնք ներկայումս տարածված են հոգեկան խանգարումների հիվանդների ախտորոշման մեջ՝ սովորականից ավելի քիչ ուշադրություն դարձնելով թեստերում և տարբեր փորձարկումներում օգտագործվող իրական տեխնոլոգիաներին և գործընթացներին)

Տվյալների հավաքագրումը տեղի է ունեցել Աախենի Համալսարանական հիվանդանոցում՝ 100 գենդերային հավասարակշռված հիվանդների և 50 չախտահարված մարդկանց վերահսկիչ խմբի մասնակցությամբ: Հիվանդների թվում էին 35 շիզոֆրենիայով տառապողներ և 65 դեպրեսիաներով տառապողներ։

Թեստային խմբի հիվանդների մասի համար նախնական չափումները կատարվել են առաջին հոսպիտալացման պահին, իսկ երկրորդը՝ հիվանդանոցից դուրս գրվելուց առաջ՝ 12 շաբաթ միջին ընդմիջումով: Վերահսկիչ խմբի մասնակիցները կամայականորեն հավաքագրվել են տեղի բնակչությունից՝ իրենց իսկ ինդուկցիայի և «լիցքաթափման» միջոցով, որոնք արտացոլում են իրական հիվանդներինը:

Փաստորեն, նման փորձի համար ամենակարևոր «հիմնական ճշմարտությունը» պետք է լինեն հաստատված և ստանդարտ մեթոդներով ձեռք բերված ախտորոշումները, և դա եղել է OEG-ի փորձարկումների դեպքում:

Այնուամենայնիվ, տվյալների հավաքման փուլը ձեռք բերեց լրացուցիչ տվյալներ, որոնք ավելի հարմար էին մեքենայական մեկնաբանության համար. միջինը 90 րոպե տևողությամբ հարցազրույցները նկարահանվեցին երեք փուլով Logitech c270 սպառողական վեբ-տեսախցիկով, որն աշխատում էր 25 կադր/վրկ արագությամբ:

Առաջին նիստը բաղկացած էր ստանդարտից Հեմիլթոնի հարցազրույցը (հիմնված հետազոտության վրա ծագել է մոտ 1960 թ.), ինչպիսին սովորաբար տրվում էր ընդունելության ժամանակ: Երկրորդ փուլում, անսովոր կերպով, ցուցադրվել են հիվանդները (և վերահսկիչ խմբի նրանց գործընկերները): տեսանյութեր մի շարք դեմքի արտահայտություններ, և խնդրեց ընդօրինակել դրանցից յուրաքանչյուրը, միաժամանակ նշելով իրենց սեփական գնահատականը այդ պահին իրենց հոգեկան վիճակի մասին, ներառյալ հուզական վիճակն ու ինտենսիվությունը: Այս փուլը տևեց մոտ տասը րոպե։

Երրորդ և վերջին փուլում մասնակիցներին ցուցադրվեցին դերասանների 96 տեսահոլովակներ՝ յուրաքանչյուրը տասը վայրկյանից մի փոքր տևողությամբ, որոնք, ըստ երևույթին, պատմում էին բուռն զգացմունքային փորձառությունների մասին: Այնուհետև մասնակիցներին խնդրեցին գնահատել տեսանյութերում ներկայացված հույզերն ու ինտենսիվությունը, ինչպես նաև իրենց համապատասխան զգացմունքները: Այս փուլը տևեց մոտ 15 րոպե։

Մեթոդ

Նկարված դեմքերի միջին միջինին հասնելու համար (տե՛ս առաջին նկարը, վերևում), զգացմունքային ուղենիշները ֆիքսվել են EmoNet շրջանակը։ Հետագայում որոշվեց դեմքի ձևի և դեմքի միջին (միջին) ձևի համապատասխանությունը հատվածական աֆինային փոխակերպում.

Զգացմունքների չափային ճանաչում և աչքի հայացքի կանխատեսում իրականացվել է նախորդ փուլում բացահայտված յուրաքանչյուր ուղենիշային հատվածի վրա:

Այս պահին աուդիո վրա հիմնված հույզերի եզրակացությունը ցույց է տվել, որ հիվանդի հոգեկան վիճակում հասել է ուսուցանվող պահը, և խնդիրն այն է, որ ֆիքսել դեմքի համապատասխան պատկերը և զարգացնել նրանց աֆեկտային վիճակի այդ հարթությունն ու տիրույթը:

(Վերևում գտնվող տեսանյութում մենք տեսնում ենք այն աշխատանքը, որը մշակվել է նոր աշխատանքի համար հետազոտողների կողմից օգտագործված չափային զգացմունքների ճանաչման տեխնոլոգիաների հեղինակների կողմից):

Նյութի ձևի գեոդեզիկան հաշվարկվել է տվյալների յուրաքանչյուր շրջանակի համար և եզակի արժեքի տարրալուծում (Սվդ) կիրառվել է նվազեցում. Ստացված ժամանակային շարքի տվյալները ի վերջո մոդելավորվեցին որպես ա Var գործընթացը, և այնուհետև կրճատվել է SVD-ի միջոցով մինչ այդ ՔԱՐՏԵԶԻ ադապտացիա.

Աշխատանքային հոսք գեոդեզիական կրճատման գործընթացի համար:

Վալենտականության և գրգռման արժեքները EmoNet ցանցում նույնպես մշակվել են VAR մոդելավորման և հաջորդականության միջուկի հաշվարկի միջոցով:

Փորձեր

Ինչպես բացատրվեց ավելի վաղ, նոր աշխատանքը հիմնականում բժշկական հետազոտական ​​աշխատանք է, այլ ոչ թե ստանդարտ համակարգչային տեսլականի ներկայացում, և մենք ընթերցողին ուղղորդում ենք հենց թերթին՝ հետազոտողների կողմից իրականացվող տարբեր OEG փորձերի խորը լուսաբանման համար:

Այնուամենայնիվ, ամփոփելու համար դրանցից մի քանիսը.

Աֆեկտիվ խանգարումների նշաններ

Այստեղ 40 մասնակիցների (ոչ վերահսկիչ կամ հիվանդների խմբից) խնդրեցին գնահատել գնահատված միջին դեմքերը (տե՛ս վերևում) մի շարք հարցերի առնչությամբ՝ առանց տվյալների համատեքստին տեղեկացված լինելու: Հարցերն էին.

Ո՞րն է երկու դեմքի սեռը:
Արդյո՞ք դեմքերը գրավիչ տեսք ունեն:
Արդյո՞ք այս դեմքերը վստահելի անձեր են։
Ինչպե՞ս եք գնահատում այս մարդկանց գործելու կարողությունը։
Ո՞րն է երկու դեմքերի զգացմունքները:
Ինչպիսի՞ն է երկու դեմքի մաշկի տեսքը:
Ինչպիսի՞ն է հայացքի տպավորությունը։
Արդյո՞ք երկու դեմքերը բերանի անկյուններ ունեն:
Արդյո՞ք երկու դեմքերը շագանակագույն երանգ ունեն:
Արդյո՞ք այդ անձինք կլինիկական հիվանդներ են:

Հետազոտողները պարզել են, որ այս կույր գնահատումները փոխկապակցված են մշակված տվյալների գրանցված վիճակի հետ.

Արկղային գծապատկերի արդյունքներ «վատ դեմքի» հարցման համար:

Կլինիկական գնահատում

Նախնական գնահատման ժամանակ OEG-ի օգտակարությունը գնահատելու համար հետազոտողները նախ գնահատեցին, թե որքանով է արդյունավետ ստանդարտ կլինիկական գնահատումն ինքնին, չափելով բարելավման մակարդակները ինդուկցիայի և երկրորդ փուլի միջև (այն ժամանակ, երբ հիվանդը սովորաբար ստանում է դեղերի վրա հիմնված բուժում):

Հետազոտողները եկել են այն եզրակացության, որ այս մեթոդով կարելի է լավ գնահատել կարգավիճակը և ախտանիշների ծանրությունը՝ հասնելով 0.82 հարաբերակցության: Այնուամենայնիվ, շիզոֆրենիայի կամ դեպրեսիայի ճշգրիտ ախտորոշումը ավելի դժվար էր, քանի որ ստանդարտ մեթոդը այս վաղ փուլում ստանում էր միայն -0.03 միավոր:

Հեղինակները մեկնաբանում են.

«Ըստ էության, հիվանդի կարգավիճակը կարելի է համեմատաբար լավ որոշել՝ օգտագործելով սովորական հարցաթերթիկները։ Սակայն, ըստ էության, դա այն ամենն է, ինչ կարելի է եզրակացնել դրանից։ Անկախ նրանից, թե ինչ-որ մեկը դեպրեսիվ է, թե ավելի ճիշտ՝ շիզոֆրենիկ, նշված չէ: Նույնը վերաբերում է բուժման արձագանքին»։

Մեքենայի գործընթացի արդյունքները կարողացան ստանալ ավելի բարձր միավորներ այս խնդրի ոլորտում և համեմատելի միավորներ նախնական հիվանդի գնահատման առումով.

Ավելի բարձր թվերն ավելի լավն են: Ձախ կողմում՝ ստանդարտ հարցազրույցի վրա հիմնված գնահատման ճշգրտության արդյունքները թեստավորման ճարտարապետության չորս փուլերում. աջ կողմում, մեքենայի վրա հիմնված արդյունքներ:

Խանգարումների ախտորոշում

Դեմքի ստատիկ պատկերների միջոցով դեպրեսիան շիզոֆրենիայից տարբերելը մանրուք չէ: Խաչաձև վավերացված, մեքենայական գործընթացը կարողացավ ստանալ բարձր ճշգրտության միավորներ փորձարկումների տարբեր փուլերում.

Այլ փորձերի ժամանակ հետազոտողները կարողացան ցույց տալ ապացույցներ, որ OEG-ը կարող է ընկալել հիվանդի բարելավումը դեղաբանական բուժման և խանգարման ընդհանուր բուժման միջոցով.

«Տվյալների հավաքագրման էմպիրիկ նախնական գիտելիքների վերաբերյալ պատճառահետևանքային եզրակացությունը ճշգրտեց դեղաբանական բուժումը, որպեսզի դիտարկվի դեմքի դինամիկայի ֆիզիոլոգիական կարգավորման վերադարձը: Նման վերադարձ չի նկատվել կլինիկական դեղատոմսի ընթացքում:

«Այս պահին պարզ չէ, թե արդյո՞ք մեքենայի վրա հիմնված նման առաջարկությունն իսկապես կհանգեցնի թերապիայի զգալի ավելի լավ հաջողության։ Հատկապես այն պատճառով, որ հայտնի է, թե որ կողմնակի ազդեցությունները կարող են ունենալ դեղամիջոցները երկար ժամանակ:

«Սակայն [այս տեսակի] հիվանդներին հարմարեցված մոտեցումները կխախտեն ընդհանուր դասակարգման սխեմայի պատնեշները, որոնք դեռ գերակշռում են առօրյա կյանքում»:

* Հեղինակների ներքին մեջբերումների իմ վերափոխումը հիպերհղումների:

Առաջին անգամ հրապարակվել է 3 թվականի օգոստոսի 2022-ին։