Chẩn đoán rối loạn sức khỏe tâm thần thông qua đánh giá biểu cảm khuôn mặt bằng trí tuệ nhân tạo

Những nhà nghiên cứu từ Đức đã phát triển một phương pháp để xác định các rối loạn tâm thần dựa trên biểu cảm khuôn mặt được giải thích bởi thị giác máy tính.

Phương pháp mới này không chỉ có thể phân biệt giữa các đối tượng không bị ảnh hưởng và những người bị ảnh hưởng, mà còn có thể phân biệt chính xác giữa trầm cảm và tâm thần phân liệt, cũng như mức độ mà bệnh nhân đang bị ảnh hưởng bởi bệnh.

Các nhà nghiên cứu đã cung cấp một hình ảnh tổng hợp đại diện cho nhóm kiểm soát trong các thử nghiệm của họ (bên trái trong hình ảnh dưới đây) và những người bệnh đang mắc các rối loạn tâm thần (bên phải). Các danh tính của nhiều người được trộn lẫn trong các biểu diễn, và không có hình ảnh nào mô tả một cá nhân cụ thể:

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

Các cá nhân bị rối loạn cảm xúc có xu hướng có lông mày nâng cao, ánh mắt nặng nề, khuôn mặt sưng và miệng cụp xuống. Để bảo vệ quyền riêng tư của bệnh nhân, những hình ảnh tổng hợp này là những hình ảnh duy nhất được cung cấp để hỗ trợ công việc mới.

Cho đến nay, nhận dạng cảm xúc khuôn mặt đã được sử dụng chủ yếu như một công cụ chẩn đoán cơ bản. Phương pháp mới này, thay vào đó, cung cấp một phương pháp có thể đánh giá tiến trình của bệnh nhân trong quá trình điều trị, hoặc có thể (nhưng bài báo không đề xuất) trong môi trường ngoài bệnh viện để theo dõi ngoại trú.

Bài báo cho biết*:

‘Vượt ra ngoài chẩn đoán máy của trầm cảm trong tính toán cảm xúc, đã được phát triển trong các nghiên cứu trước trước, chúng tôi cho thấy rằng trạng thái cảm xúc có thể đo lường được ước tính bằng cách sử dụng thị giác máy tính chứa nhiều thông tin hơn so với phân loại danh mục thuần túy.’

Các nhà nghiên cứu đã đặt tên cho kỹ thuật này là Điện não đồ Quang điện tử (OEG), một phương pháp hoàn toàn thụ động để suy luận trạng thái tâm thần bằng phân tích hình ảnh khuôn mặt thay vì cảm biến tại chỗ hoặc công nghệ hình ảnh y tế dựa trên tia.

Các tác giả kết luận rằng OEG có thể không chỉ là một công cụ hỗ trợ thứ yếu cho chẩn đoán và điều trị, mà còn có thể là một phương pháp thay thế tiềm năng cho một số phần đánh giá của quy trình điều trị, và một phương pháp có thể giảm thời gian cần thiết cho việc theo dõi bệnh nhân và chẩn đoán ban đầu. Họ lưu ý:

‘Tổng thể, kết quả dự đoán bởi máy cho thấy sự tương quan tốt hơn so với đánh giá của người quan sát lâm sàng dựa trên bảng câu hỏi và cũng là khách quan. Thời gian đo lường tương đối ngắn của vài phút cho các phương pháp thị giác máy tính cũng đáng chú ý, trong khi đôi khi cần vài giờ cho các cuộc phỏng vấn lâm sàng.’

Tuy nhiên, các tác giả rất muốn nhấn mạnh rằng chăm sóc bệnh nhân trong lĩnh vực này là một việc đa phương thức, với nhiều chỉ số khác về trạng thái bệnh nhân cần được xem xét ngoài biểu cảm khuôn mặt, và rằng quá sớm để xem xét rằng một hệ thống như vậy có thể thay thế hoàn toàn các phương pháp truyền thống đối với các rối loạn tâm thần. Tuy nhiên, họ coi OEG là một công nghệ hỗ trợ đầy hứa hẹn, đặc biệt là một phương pháp để đánh giá hiệu quả của điều trị dược phẩm trong chế độ điều trị của bệnh nhân.

Bài báo này có tựa đề Khuôn mặt của Rối loạn Cảm xúc, và đến từ tám nhà nghiên cứu trên một loạt các cơ sở từ lĩnh vực nghiên cứu y tế tư nhân và công.

Dữ liệu

(Bài báo mới này chủ yếu đề cập đến các lý thuyết và phương pháp hiện đang phổ biến trong chẩn đoán bệnh nhân mắc rối loạn tâm thần, với ít chú ý hơn đến các công nghệ và quy trình thực sự được sử dụng trong các thử nghiệm và các thí nghiệm khác)

Quá trình thu thập dữ liệu diễn ra tại Bệnh viện Đại học Aachen, với 100 bệnh nhân cân bằng về giới và một nhóm kiểm soát gồm 50 người không bị ảnh hưởng. Các bệnh nhân bao gồm 35 người mắc tâm thần phân liệt và 65 người mắc trầm cảm.

Đối với phần bệnh nhân của nhóm thử nghiệm, các phép đo ban đầu được thực hiện vào thời điểm nhập viện đầu tiên, và phép đo thứ hai trước khi họ được xuất viện, với khoảng thời gian trung bình là 12 tuần. Các đối tượng trong nhóm kiểm soát được tuyển mộ một cách tùy tiện từ dân số địa phương, với việc họ được đưa vào và ‘xuất viện’ phản ánh những người bệnh thực sự.

Trên thực tế, ‘sự thật cơ bản’ quan trọng nhất cho một thí nghiệm như vậy phải là chẩn đoán được thu thập bằng các phương pháp được phê duyệt và tiêu chuẩn, và đây là trường hợp của các thử nghiệm OEG.

Tuy nhiên, giai đoạn thu thập dữ liệu đã thu được thêm dữ liệu phù hợp hơn cho việc giải thích máy: các cuộc phỏng vấn trung bình 90 phút được ghi lại trong ba giai đoạn với một webcam Logitech c270 tiêu dùng chạy ở 25fps.

Cuộc họp đầu tiên bao gồm một cuộc phỏng vấn Hamilton tiêu chuẩn Hamilton (dựa trên nghiên cứu bắt nguồn từ khoảng năm 1960), như thường được thực hiện khi nhập viện. Trong giai đoạn thứ hai, một cách bất thường, các bệnh nhân (và những người tương ứng trong nhóm kiểm soát) được xem các video về một loạt các biểu cảm khuôn mặt, và được yêu cầu bắt chước mỗi biểu cảm này, đồng thời tuyên bố đánh giá của họ về tình trạng tâm lý của họ tại thời điểm đó, bao gồm cả trạng thái cảm xúc và cường độ. Giai đoạn này kéo dài khoảng mười phút.

Trong giai đoạn thứ ba và cuối cùng, các tham gia được xem 96 video của các diễn viên, kéo dài vừa hơn mười giây mỗi video, dường như đang kể lại những trải nghiệm cảm xúc mãnh liệt. Sau đó, các tham gia được yêu cầu đánh giá cảm xúc và cường độ được thể hiện trong các video, cũng như cảm xúc tương ứng của họ. Giai đoạn này kéo dài khoảng 15 phút.

Phương pháp

Để đến được giá trị trung bình của các khuôn mặt được chụp (xem hình ảnh đầu tiên, ở trên), các điểm mốc cảm xúc được chụp bằng khuôn khổ EmoNet. Sau đó, sự tương ứng giữa hình dạng khuôn mặt và hình dạng khuôn mặt trung bình (trung bình) được xác định thông qua biến đổi affine từng phần.

Nhận dạng cảm xúc theo chiều và dự đoán hướng nhìn đã được thực hiện trên mỗi phân khúc điểm mốc được xác định trong giai đoạn trước.

Ở giai đoạn này, suy luận cảm xúc dựa trên âm thanh đã chỉ ra rằng một khoảnh khắc có thể dạy đã đến trong trạng thái tâm lý của bệnh nhân, và nhiệm vụ là chụp ảnh khuôn mặt tương ứng và phát triển chiều và lĩnh vực của trạng thái cảm xúc của họ.

(Trong video trên, chúng ta thấy công việc được phát triển bởi các tác giả của công nghệ nhận dạng cảm xúc theo chiều được các nhà nghiên cứu sử dụng cho công việc mới).

Địa hình hình học của vật liệu đã được tính toán cho mỗi khung của dữ liệu, và giảm chiều bằng phân tích giá trị đơn (SVD) đã được áp dụng. Dữ liệu chuỗi thời gian kết quả cuối cùng được mô hình hóa như một quy trình VAR, và sau đó giảm thêm bằng SVD trước khi điều chỉnh MAP.

Quy trình giảm địa hình.

Các giá trị valence và sự kích thích trong mạng EmoNet cũng được xử lý tương tự với mô hình VAR và tính toán hạt nhân chuỗi.

Thí nghiệm

Như đã giải thích trước đó, công việc mới này chủ yếu là một bài báo nghiên cứu y tế chứ không phải một bài báo thị giác máy tính tiêu chuẩn, và chúng tôi đề cập người đọc đến bài báo itu để cócoverage sâu về các thí nghiệm OEG đa dạng được các nhà nghiên cứu thực hiện.

Dù vậy, để tóm tắt một số trong số chúng:

Dấu hiệu Rối loạn Cảm xúc

Ở đây, 40 người tham gia (không thuộc nhóm kiểm soát hoặc nhóm bệnh nhân) được yêu cầu đánh giá các khuôn mặt trung bình được đánh giá (xem ở trên) liên quan đến một số câu hỏi, mà không được thông báo về bối cảnh của dữ liệu. Các câu hỏi là:

Giới tính của hai khuôn mặt là gì?
Hai khuôn mặt có vẻ ngoài hấp dẫn không?
Hai khuôn mặt có đáng tin cậy không?
Bạn đánh giá khả năng hành động của những người này như thế nào?
Cảm xúc của hai khuôn mặt là gì?
Hình dạng khuôn mặt của hai khuôn mặt là gì?
Ấn tượng về ánh mắt là gì?
Hai khuôn mặt có góc miệng cụp xuống không?
Hai khuôn mặt có lông mày nâng cao không?
Những người này có phải là bệnh nhân lâm sàng không?

Các nhà nghiên cứu đã tìm thấy rằng những đánh giá mù này tương quan với trạng thái đã đăng ký của dữ liệu được xử lý:

Kết quả biểu đồ hộp cho cuộc khảo sát ‘khuôn mặt trung bình’.

Đánh giá Lâm sàng

Để đo lường tính hữu ích của OEG trong đánh giá ban đầu, các nhà nghiên cứu đầu tiên đánh giá hiệu quả của đánh giá lâm sàng tiêu chuẩn bằng cách đo lường mức độ cải thiện giữa thời điểm nhập viện và giai đoạn thứ hai (khi bệnh nhân thường đang nhận điều trị bằng thuốc.

Các nhà nghiên cứu kết luận rằng trạng thái và mức độ nghiêm trọng của triệu chứng có thể được đánh giá tốt bằng phương pháp này, đạt được sự tương quan 0,82. Tuy nhiên, việc chẩn đoán chính xác về tâm thần phân liệt hoặc trầm cảm chứng tỏ khó khăn hơn, với phương pháp tiêu chuẩn chỉ đạt được điểm -0,03 tại giai đoạn đầu này.

Các tác giả nhận xét:

‘Về bản chất, trạng thái của bệnh nhân có thể được xác định tương đối tốt bằng cách sử dụng các bảng câu hỏi thông thường. Tuy nhiên, đó基本 là tất cả những gì có thể được kết luận từ nó. Liệu ai đó có bị trầm cảm hay tâm thần phân liệt hay không không được chỉ ra. Điều tương tự cũng áp dụng cho phản ứng điều trị.’

Kết quả từ quá trình máy đã có thể đạt được điểm số cao hơn trong lĩnh vực vấn đề này và điểm số tương đương cho khía cạnh đánh giá bệnh nhân ban đầu:

Số cao hơn là tốt hơn. Ở bên trái, kết quả đánh giá chính xác dựa trên phỏng vấn ở bốn giai đoạn của kiến trúc thử nghiệm; ở bên phải, kết quả dựa trên máy.

Chẩn đoán Rối loạn

Phân biệt trầm cảm với tâm thần phân liệt thông qua hình ảnh khuôn mặt tĩnh không phải là một vấn đề nhỏ. Với sự xác thực chéo, quá trình máy đã có thể đạt được điểm số chính xác cao trên các giai đoạn khác nhau của thử nghiệm:

Trong các thí nghiệm khác, các nhà nghiên cứu đã có thể chứng minh bằng chứng rằng OEG có thể nhận thức được sự cải thiện của bệnh nhân thông qua điều trị bằng thuốc và điều trị chung cho rối loạn:

‘Sự suy luận nguyên nhân trên kiến thức kinh nghiệm trước của dữ liệu thu thập đã điều chỉnh điều trị bằng thuốc để quan sát sự trở lại của quy định sinh lý của động lực học khuôn mặt. Một sự trở lại như vậy không thể quan sát được trong quá trình kê đơn lâm sàng.

‘Hiện tại, không rõ liệu một khuyến nghị dựa trên máy như vậy có thực sự dẫn đến một thành công điều trị đáng kể hay không. Đặc biệt là vì nó đã biết những tác dụng phụ mà thuốc có thể có trong thời gian dài.

‘Tuy nhiên, [loại] phương pháp điều trị theo bệnh nhân này sẽ phá vỡ các rào cản của lược đồ phân loại danh mục chung vẫn đang được sử dụng rộng rãi trong cuộc sống hàng ngày.’

* Tôi đã chuyển đổi các trích dẫn nội tuyến của tác giả thành liên kết.

Được xuất bản lần đầu vào ngày 3 tháng 8 năm 2022.