การแพทย์
การวินิจฉัยความผิดปกติทางจิตด้วยการประเมินสีหน้าโดย AI

ประเด็นสำคัญOEG ใช้คอมพิวเตอร์วิทัศน์เพื่อแยกแยะภาวะซึมเศร้าจากโรคจิตเภทผ่านการแสดงออกทางสีหน้า
ดูเพิ่มเติม
- OEG ใช้คอมพิวเตอร์วิทัศน์เพื่อแยกแยะภาวะซึมเศร้าจากโรคจิตเภทผ่านการแสดงออกทางสีหน้า
- วิธีการนี้บรรลุค่าสหสัมพันธ์ 0.82 สำหรับสถานะผู้ป่วย แต่มีประสิทธิภาพเหนือกว่าการวินิจฉัยมาตรฐานสำหรับประเภทของความผิดปกติ
- นักวิจัยเสนอให้ OEG เป็นทางเลือกทดแทนส่วนการประเมินในกระบวนการรักษาสุขภาพจิต
นักวิจัยจากเยอรมนีได้พัฒนาวิธีระบุความผิดปกติทางจิตจากสีหน้าที่ตีความด้วยคอมพิวเตอร์วิชัน
แนวทางใหม่นี้ไม่เพียงแยกผู้ที่ไม่มีความผิดปกติออกจากผู้ป่วย แต่ยังแยกโรคซึมเศร้าจากโรคจิตเภทและประเมินระดับผลกระทบของโรคที่ผู้ป่วยกำลังเผชิญได้
นักวิจัยจัดทำภาพผสมแทนกลุ่มควบคุม (ซ้ายในภาพด้านล่าง) และกลุ่มผู้ป่วยทางจิต (ขวา) โดยผสมใบหน้าของหลายคนเข้าด้วยกัน จึงไม่มีภาพใดแสดงตัวบุคคลใดบุคคลหนึ่ง:
ผู้มีความผิดปกติทางอารมณ์มักมีคิ้วยกสูง สายตาหนักอึ้ง ใบหน้าบวม และมุมปากตก เพื่อรักษาความเป็นส่วนตัวของผู้ป่วย นักวิจัยจึงเปิดเผยเพียงภาพผสมเหล่านี้เพื่อประกอบงานใหม่
ที่ผ่านมา การรู้จำอารมณ์จากใบหน้าถูกใช้เป็นเครื่องมือที่อาจช่วยวินิจฉัยเบื้องต้น แนวทางใหม่นี้เสนอวิธีประเมินความก้าวหน้าระหว่างการรักษา หรืออาจใช้ติดตามผู้ป่วยนอกในบ้านของตนเองได้ แม้บทความวิจัยไม่ได้เสนอการใช้งานในบ้านไว้
บทความระบุว่า*:
‘เราก้าวไปไกลกว่าการวินิจฉัยโรคซึมเศร้าด้วยเครื่องในสาขาการคำนวณเชิงอารมณ์ ซึ่งพัฒนาขึ้นใน งานวิจัย ก่อนหน้า โดยแสดงว่าภาวะอารมณ์ที่วัดได้จากการประเมินด้วยคอมพิวเตอร์วิชันมีข้อมูลมากกว่าการจำแนกเป็นหมวดหมู่เพียงอย่างเดียว’
นักวิจัยเรียกเทคนิคนี้ว่า Opto Electronic Encephalography (OEG) เป็นวิธีอนุมานสภาพจิตใจแบบรับข้อมูลโดยไม่รบกวนผู้ป่วย ใช้การวิเคราะห์ภาพใบหน้าแทนเซนเซอร์ที่ติดบนร่างกายหรือเทคโนโลยีถ่ายภาพทางการแพทย์ด้วยรังสี
ผู้เขียนสรุปว่า OEG อาจไม่ใช่เพียงเครื่องมือเสริมสำหรับวินิจฉัยและรักษา แต่ในระยะยาวอาจแทนบางขั้นตอนการประเมินในกระบวนการรักษา และลดเวลาติดตามผู้ป่วยและวินิจฉัยเบื้องต้นได้ โดยระบุว่า:
‘โดยรวม ผลที่เครื่องทำนายแสดงความสัมพันธ์ที่ดีกว่าเมื่อเทียบกับแบบสอบถามที่อาศัยคะแนนจากผู้สังเกตทางคลินิกเพียงอย่างเดียว และยังเป็นกลางด้วย ระยะวัดเพียงไม่กี่นาทีของวิธีคอมพิวเตอร์วิชันก็น่าสนใจ ขณะที่บางครั้งการสัมภาษณ์ทางคลินิกต้องใช้เวลาหลายชั่วโมง’
อย่างไรก็ตาม ผู้เขียนเน้นว่าการดูแลผู้ป่วยด้านนี้ต้องอาศัยข้อมูลหลายรูปแบบและพิจารณาตัวบ่งชี้อื่นนอกเหนือจากสีหน้า จึงยังเร็วเกินไปที่จะมองว่าระบบเช่นนี้แทนแนวทางรักษาความผิดปกติทางจิตแบบดั้งเดิมได้ทั้งหมด ถึงกระนั้น พวกเขามองว่า OEG เป็นเทคโนโลยีเสริมที่มีแนวโน้มดี โดยเฉพาะการประเมินผลของยาตามแผนการรักษาที่แพทย์สั่ง
บทความวิจัย มีชื่อว่า The Face of Affective Disorders (ใบหน้าของความผิดปกติทางอารมณ์) จัดทำโดยนักวิจัยแปดคนจากสถาบันหลากหลายแห่งในภาคการวิจัยทางการแพทย์ทั้งรัฐและเอกชน
ข้อมูล
(บทความใหม่นี้เน้นทฤษฎีและวิธีการต่าง ๆ ที่นิยมใช้วินิจฉัยผู้ป่วยทางจิต โดยให้รายละเอียดด้านเทคโนโลยีและขั้นตอนที่ใช้ในการทดสอบและการทดลองน้อยกว่าปกติ)
เก็บข้อมูลที่โรงพยาบาลมหาวิทยาลัยอาเคนจากผู้ป่วย100คนที่มีสัดส่วนเพศสมดุล และกลุ่มควบคุม50คนที่ไม่มีความผิดปกติ ผู้ป่วยประกอบด้วยผู้เป็นโรคจิตเภท35คนและโรคซึมเศร้า65คน
วัดข้อมูลผู้ป่วยครั้งแรกเมื่อเริ่มเข้ารักษาในโรงพยาบาล และครั้งที่สองก่อนออกจากโรงพยาบาล ห่างกันเฉลี่ย12สัปดาห์ กลุ่มควบคุมคัดเลือกจากประชากรในพื้นที่โดยไม่กำหนดเกณฑ์เฉพาะ และกำหนดการเริ่มต้นกับการสิ้นสุดให้สอดคล้องกับการรับเข้าและจำหน่ายผู้ป่วย
ข้อมูลอ้างอิงจริงที่สำคัญที่สุดของการทดลองเช่นนี้ต้องเป็นการวินิจฉัยด้วยวิธีที่ได้รับอนุมัติและเป็นมาตรฐาน ซึ่งการทดลอง OEG ก็ใช้หลักการนี้
นอกจากนี้ ยังเก็บข้อมูลที่เหมาะกับการตีความด้วยเครื่องมากขึ้น โดยบันทึกการสัมภาษณ์เฉลี่ย90นาทีในสามช่วงด้วยเว็บแคมสำหรับผู้บริโภค Logitech c270 ที่25เฟรมต่อวินาที
ช่วงแรกเป็น การสัมภาษณ์ Hamilton ตามมาตรฐาน (อิงงานวิจัยที่เริ่มราวปี1960) เช่นที่ใช้ตามปกติเมื่อรับผู้ป่วยเข้าโรงพยาบาล ช่วงที่สองมีลักษณะต่างไป โดยให้ผู้ป่วยและกลุ่มควบคุมดูวิดีโอสีหน้าหลายแบบแล้วเลียนแบบ พร้อมประเมินสภาพจิตใจของตนเองขณะนั้น รวมถึงอารมณ์และความเข้มข้น ช่วงนี้ใช้เวลาประมาณสิบนาที
ช่วงที่สามซึ่งเป็นช่วงสุดท้าย ผู้เข้าร่วมดูวิดีโอนักแสดง96คลิป แต่ละคลิปยาวกว่าสิบวินาทีเล็กน้อย และดูเสมือนกำลังเล่าประสบการณ์ทางอารมณ์ที่เข้มข้น จากนั้นประเมินอารมณ์และความเข้มข้นที่เห็น รวมถึงความรู้สึกของตนเองที่สอดคล้องกัน ช่วงนี้ใช้เวลาประมาณ15นาที
วิธีการ
เพื่อสร้างใบหน้าเฉลี่ยจากภาพที่บันทึก (ดูภาพแรกด้านบน) นักวิจัยเก็บจุดสำคัญที่สื่ออารมณ์ด้วยเฟรมเวิร์ก EmoNet จากนั้นหาความสอดคล้องระหว่างรูปทรงใบหน้ากับรูปทรงใบหน้าเฉลี่ยด้วย การแปลงแอฟไฟน์เป็นช่วงย่อย
การรู้จำอารมณ์แบบอิงมิติ และ การทำนายทิศทางสายตา ถูกนำไปใช้กับแต่ละส่วนของจุดสำคัญที่ระบุในขั้นก่อนหน้า
ในขั้นนี้ การอนุมานอารมณ์จากเสียงบ่งชี้ว่ามีช่วงเวลาที่เอื้อต่อการเรียนรู้ในสภาพจิตใจของผู้ป่วย หน้าที่คือบันทึกภาพใบหน้าที่สอดคล้องกันแล้วพัฒนามิติและขอบเขตของภาวะอารมณ์นั้น
(วิดีโอด้านบนแสดงผลงานของผู้พัฒนาเทคโนโลยีรู้จำอารมณ์แบบอิงมิติที่นักวิจัยนำมาใช้ในงานใหม่นี้)
คำนวณจีโอเดสิกของรูปทรงในแต่ละเฟรม แล้วลดมิติด้วยการแยกค่าเอกฐาน (SVD) จากนั้นสร้างแบบจำลองข้อมูลอนุกรมเวลาเป็นกระบวนการ VAR และลดมิติด้วย SVD อีกครั้งก่อน การปรับแบบจำลอง MAP
ค่าอารมณ์ด้านบวกหรือลบและระดับความตื่นตัวในเครือข่าย EmoNet ถูกประมวลผลในลักษณะเดียวกันด้วยแบบจำลอง VAR และการคำนวณเคอร์เนลของลำดับ
การทดลอง
ดังที่อธิบายไป งานนี้เป็นบทความวิจัยทางการแพทย์มากกว่างานคอมพิวเตอร์วิชันตามแบบทั่วไป ผู้อ่านจึงควรอ่านบทความต้นฉบับสำหรับรายละเอียดการทดลอง OEG ต่าง ๆ
อย่างไรก็ดี ตัวอย่างการทดลองบางส่วนสรุปได้ดังนี้:
สัญญาณของความผิดปกติทางอารมณ์
ผู้เข้าร่วม40คนที่ไม่อยู่ในกลุ่มควบคุมหรือกลุ่มผู้ป่วยได้รับการขอให้ให้คะแนนใบหน้าเฉลี่ย (ดูด้านบน) ตามคำถามต่าง ๆ โดยไม่ทราบบริบทของข้อมูล ได้แก่:
ใบหน้าทั้งสองเป็นเพศใด?
ใบหน้าดูน่าดึงดูดหรือไม่?
บุคคลในภาพดูน่าไว้วางใจหรือไม่?
ประเมินความสามารถในการกระทำของบุคคลเหล่านี้อย่างไร?
ใบหน้าทั้งสองแสดงอารมณ์ใด?
ผิวของใบหน้าทั้งสองมีลักษณะอย่างไร?
สายตาให้ความรู้สึกอย่างไร?
มุมปากของทั้งสองใบหน้าตกหรือไม่?
คิ้วของทั้งสองใบหน้ายกสูงหรือไม่?
บุคคลเหล่านี้เป็นผู้ป่วยทางคลินิกหรือไม่?
นักวิจัยพบว่าการประเมินแบบไม่ทราบข้อมูลเหล่านี้สัมพันธ์กับสถานะที่บันทึกไว้ในข้อมูลที่ผ่านการประมวลผล:
การประเมินทางคลินิก
เพื่อประเมินประโยชน์ของ OEG ในการประเมินเบื้องต้น นักวิจัยตรวจสอบประสิทธิภาพของการประเมินทางคลินิกมาตรฐานเพียงอย่างเดียวก่อน โดยวัดการดีขึ้นระหว่างการรับเข้าและช่วงที่สอง ซึ่งปกติผู้ป่วยได้รับยาแล้ว
วิธีนี้ประเมินสภาวะและความรุนแรงของอาการได้ดี โดยมีค่าสหสัมพันธ์0.82 แต่การวินิจฉัยแยกโรคจิตเภทจากโรคซึมเศร้าอย่างแม่นยำยากกว่า วิธีมาตรฐานได้คะแนนเพียง-0.03ในระยะแรกนี้
ผู้เขียนกล่าวว่า:
‘โดยหลักแล้ว แบบสอบถามทั่วไปสามารถระบุสภาวะของผู้ป่วยได้ค่อนข้างดี แต่ก็สรุปได้เพียงเท่านั้น ไม่ได้บอกว่าบุคคลนั้นเป็นโรคซึมเศร้าหรือโรคจิตเภท เช่นเดียวกับการตอบสนองต่อการรักษา’
กระบวนการด้วยเครื่องได้คะแนนสูงกว่าในประเด็นนี้ และมีคะแนนใกล้เคียงกันในการประเมินผู้ป่วยเบื้องต้น:

ค่าสูงกว่าหมายถึงผลดีกว่า ด้านซ้ายคือความแม่นยำของการประเมินด้วยการสัมภาษณ์มาตรฐานในสี่ช่วงของโครงสร้างการทดสอบ ด้านขวาคือผลจากเครื่อง
การวินิจฉัยความผิดปกติ
การแยกโรคซึมเศร้าจากโรคจิตเภทด้วยภาพใบหน้านิ่งไม่ใช่เรื่องง่าย แต่กระบวนการด้วยเครื่องได้คะแนนความแม่นยำสูงในหลายช่วงการทดลองเมื่อประเมินด้วยการตรวจสอบไขว้:
ในการทดลองอื่น นักวิจัยแสดงหลักฐานว่า OEG ตรวจพบการดีขึ้นของผู้ป่วยจากยาและการรักษาความผิดปกติโดยรวมได้:
‘การอนุมานเชิงสาเหตุจากความรู้เชิงประจักษ์ที่ได้จากการเก็บข้อมูลถูกนำมาปรับการให้ยา เพื่อสังเกตการกลับสู่การควบคุมการเคลื่อนไหวใบหน้าทางสรีรวิทยา การกลับคืนเช่นนี้ไม่พบภายใต้การสั่งยาทางคลินิก
‘ขณะนี้ยังไม่ชัดเจนว่าคำแนะนำจากเครื่องเช่นนี้จะทำให้ผลการรักษาดีขึ้นอย่างมีนัยสำคัญจริงหรือไม่ โดยเฉพาะเมื่อทราบว่ายาอาจมีผลข้างเคียงในระยะยาว
‘อย่างไรก็ตาม แนวทางที่ปรับให้เหมาะกับผู้ป่วยเช่นนี้จะช่วยก้าวข้ามข้อจำกัดของการจำแนกแบบหมวดหมู่ทั่วไปที่ยังใช้กันเป็นหลักในชีวิตประจำวัน’
* ผู้เขียนเปลี่ยนการอ้างอิงในเนื้อหาของนักวิจัยเป็นไฮเปอร์ลิงก์
เผยแพร่ครั้งแรกเมื่อ3สิงหาคม2022
















