Исследователи используют ИИ, обученный на данных Facebook, для обнаружения признаков психических заболеваний

Группа исследователей недавно опубликовала исследование в Nature, в котором подробно описаны их попытки использовать данные Facebook (META ) для выявления возможных психиатрических заболеваний. По сообщению Wired, исследователи смогли создать модель ИИ, которая может успешно предсказать диагноз психического заболевания на основе сообщений, отправленных за 18 месяцев до официального диагноза.

Для создания прогностической модели исследовательская команда собрала данные от 223 добровольцев. Добровольцы согласились предоставить исследователям доступ к сообщениям, которые они отправили, и изображениям, которые они опубликовали. Исследователи обучили модель Random Forest на функциях, извлеченных из собранных сообщений и изображений. Целью модели было определить, имеет ли участник диагноз психического здоровья, сгруппировав случаи в диагнозы расстройств настроения, диагнозы спектра шизофрении или отсутствие диагноза психического здоровья.

Когда исследователи проанализировали результаты, они обнаружили, что несколько разных функций были связаны с психическими расстройствами. Когда речь шла об изображениях, синие цвета были связаны с диагнозом расстройств настроения. Высокое использование нецензурных выражений обычно указывало на психическое заболевание, в то время как слова как слышу, чувствую и вижу (слова восприятия) были связаны с диагнозом шизофрении.

Для определения успеха модели ИИ исследователи сравнили ложные положительные и ложные отрицательные результаты. Команда исследователей сообщила, что их уровень успеха составил от 0,65 до 0,77, где 1 является идеальным результатом, а 0,5 является средним результатом модели, которая случайным образом угадывает. Чем более недавними были сообщения, тем лучше была модель. Однако даже когда команда исследователей ограничила себя сообщениями, датированными более чем за год до диагноза, модель все равно работала намного лучше, чем случайно.

Интересно, что этот уровень точности примерно эквивалентен точности PHQ-9. PHQ-9 – это диагностический инструмент, используемый для скрининга депрессии, в котором испытуемому задается 10 вопросов. Если модель ИИ, обученная на данных Facebook, может надежно работать так же хорошо, как PHQ-9, она потенциально может быть использована в качестве диагностического инструмента, дополняя существующие инструменты, используемые клиницистами.

Руководителем исследования был ассистент профессора в Feinstein Institutes for Medical Research в Манхассете, Нью-Йорк, Майкл Бирнбаум. По сообщению Wired, инструменты ИИ, использующие данные социальных сетей, имеют потенциал сделать значительную разницу в диагностике и лечении психиатрических заболеваний. Как цитируется Бирнбаум Wired:

«Мы теперь понимаем эту идею, что рак имеет много разных стадий. Если вы обнаружите рак на стадии I, это радикально отличается от того, если вы обнаружите его после метастазирования. В психиатрии мы склонны работать с людьми только после того, как это уже метастазировалось. Но есть потенциал обнаружить людей раньше».

По сути, психические заболевания могут принимать разные формы на разных этапах, и более разнообразные источники данных могут помочь исследователям и клиницистам определить состояние психического здоровья человека. Преимущество использования данных социальных сетей заключается в том, что они служат непрерывной записью мыслей и чувств человека. Эти данные могут быть использованы для дополнения длинных интервью, на которые полагаются клиницисты для диагностики пациента.

Бирнбаум ожидает, что модели ИИ на основе данных социальных сетей могут помочь терапевтам в мониторинге пациентов на протяжении длительного периода лечения. Бирнбаум объяснил, что терапевты обычно получают только «снимок» жизни человека раз в месяц или около того, и что возможность использования данных социальных сетей позволяет клиницистам получить более полное, представительное понимание тенденций в жизни человека. Бирнбаум надеется, что в течение пяти-десяти лет использование данных социальных сетей в оценке психического здоровья станет более распространенным.