Badacze wykorzystują sztuczną inteligencję wyszkoloną na danych z Facebooka do wykrywania objawów chorób psychicznych

Grupa badaczy opublikowała niedawno badanie w Nature, szczegółowo opisując swoje próby wykorzystania danych z Facebooka do identyfikacji możliwych chorób psychiatrycznych. Jak donosi Wired, badacze byli w stanie stworzyć model sztucznej inteligencji, który może z powodzeniem przewidzieć diagnozę choroby psychicznej na podstawie wiadomości wysłanych do 18 miesięcy przed oficjalnym postawieniem diagnozy.

Aby stworzyć model predykcyjny, zespół badawczy zebrano dane od 223 ochotników. Ochotnicy zgodzili się udostępnić badaczom dostęp do wiadomości, które wysłali, oraz obrazów, które opublikowali. Badacze wyszkolili model lasu losowego na cechach wyodrębnionych z zebranych wiadomości i obrazów. Celem modelu było określenie, czy uczestnik miał diagnozę zdrowia psychicznego, grupując przypadki w diagnozy zaburzeń nastroju, spektrum schizofrenii lub brak diagnozy zdrowia psychicznego.

Gdy badacze analizowali wyniki, stwierdzili, że wiele różnych cech było skorelowanych z zaburzeniami zdrowia psychicznego. W przypadku obrazów kolory niebieskie były związane z diagnozą zaburzeń nastroju. Duże używanie słów wulgarnych było geralnie wskazujące na chorobę psychiczną, podczas gdy słowa takie jak słyszeć, czuć i widzieć (słowa percepcji) były związane z diagnozą schizofrenii.

Aby określić skuteczność modelu sztucznej inteligencji, badacze porównali fałszywe pozytywy i fałszywe negatywy. Zespół badawczy doniósł, że ich współczynnik skuteczności wynosił od 0,65 do 0,77, przy czym 1 oznacza wynik idealny, a 0,5 to średni wynik modelu, który losowo zgaduje. Im bardziej aktualne były wiadomości, tym lepszy był wynik modelu. Jednak nawet gdy zespół badawczy ograniczył się do wiadomości, które były datowane na ponad rok przed diagnozą, model nadal działał znacznie lepiej niż losowo.

Ciekawą rzeczą w tym poziomie dokładności jest to, że jest on zbliżony do dokładności PHQ-9. PHQ-9 to narzędzie diagnostyczne stosowane do screeningu depresji, które zadaje osobie badanej 10 pytań. Jeśli model sztucznej inteligencji wyszkolony na danych z Facebooka może niezawodnie działać tak dobrze jak PHQ-9, może on potencjalnie być stosowany jako narzędzie diagnostyczne, uzupełniając obecnie stosowane narzędzia przez klinicystów.

Kierownik badania, Michael Birnbaum, był asystentem profesora w Feinstein Institutes for Medical Research w Manhasset, w stanie Nowy Jork. Według Wired, narzędzia sztucznej inteligencji, które wykorzystują dane z mediów społecznościowych, mają potencjał, aby znacznie poprawić sposób, w jaki choroby psychiatryczne są diagnozowane i leczone. Birnbaum cytuje się przez Wired:

„Teraz rozumiemy tę ideę, że rak ma wiele różnych stadiów. Jeśli rak zostanie wykryty na etapie I, jest to dramatycznie inaczej niż wtedy, gdy zostanie wykryty, gdy już przerzucił się. W psychiatrii mamy tendencję do rozpoczynania pracy z ludźmi dopiero wtedy, gdy już jest zaawansowany. Ale jest potencjał, aby wykryć ludzi wcześniej.”

Podstawą jest to, że choroby psychiczne mogą przyjmować różne formy w różnym czasie, a więcej źródeł danych może pomóc badaczom i klinicystom określić stan zdrowia psychicznego danej osoby. Zaletą wykorzystania danych z mediów społecznościowych jest to, że stanowią one ciągły zapis myśli i uczuć jednostki. Te dane mogą być wykorzystane do uzupełnienia długich wywiadów, na które klinicyści polegają przy diagnozowaniu pacjenta.

Birnbaum oczekuje, że modele sztucznej inteligencji oparte na danych z mediów społecznościowych mogą pomóc terapeutom w monitorowaniu pacjentów w długim okresie leczenia. Birnbaum wyjaśnił, że terapeuci zwykle mają tylko „zrzut” życia danej osoby raz na miesiąc lub dwa i że możliwość wykorzystania danych z mediów społecznościowych pozwala klinicystom uzyskać bardziej kompletny i reprezentatywny zrozumienie trendów w życiu osoby. Birnbaum liczy, że w ciągu pięciu do dziesięciu lat wykorzystanie danych z mediów społecznościowych w ocenie zdrowia psychicznego stanie się bardziej powszechne.