تکنولوژی
اندیشه سبز خزر۱۳:۰ - ۱۳۹۷ سه شنبه ۱۳ شهريور

زمانیکه بحث شناسایی افسردگی مطرح است، دکترها همان سوالات معمول را از بیمار می‌پرسند، از جمله خلق و خو، بیماری روحی، شیوه‌ی زندگی، و تاریخچه‌ی شخصی، و سپس از این جواب‌ها برای تشخیص استفاده می‌کنند. و حالا، محققان MIT مدلی ایجاد کرده‌اند که افسردگی در افراد را بدون نیاز به جواب‌های اینگونه سوالات خاص تشخیص می‌دهد، و به جای آن مبتنی بر شیوه‌ی نوشتاری و مکالمه‌ی طبیعی است.
به گفته‌ی محقق اصلی این مطالعه، Tuka Alhanai، "اولین اشاراتی که ما از افراد دریافت می‌کنیم، شادی، هیجان، غم، یا برخی شرایط شناختی حاد مانند افسردگی هستند که از طریق صحبت‌هایشان به دست می‌آوریم. اگر فرد بخواهد مدل‌های تشخیص افسردگی را به روش مقیاس‌پذیری به کار برد – نیاز است تا میزان محدودیت‌های موجود در اطلاعات مورد استفاده را به حداقل برساند."
محققان این مدل را "context-free" نامیده‌اند، چراکه هیچ محدودیتی در انواع سوالاتی که پرسیده می‌شود، یا انواع پاسخ‌هایی که مورد نظر است، وجود ندارد. محققان با استفاده از تکنیک مدل‌سازی توالی، محاورات و متون از مکالمه با افراد افسرده و غیر افسرده را وارد این مدل کردند. با توالی پاسخ‌ها، الگوهای افسردگی شکل می‌گیرند. این الگوها شامل موارد مختلفی همچون، غم، بی‌حوصلگی، و سیگنال‌های صوتی هستند که یکنواخت‌تر یا غیر معمول‌تر هستند.
Alhania می‌گوید: این مدل توالی کلمات و روش صحبت کردن را در نظر می‌گیرد و تعیین می‌کند که این الگوها در افراد افسرده دیده می‌شوند یا غیر افسرده. در آزمایش مدل جدید، هوش مصنوعی ۷۷ درصد نرخ موفقیت در تشخیص افسردگی را نشان داد.
تیم تحقیقاتی MIT می‌گوید در شرایطی که بیماران پاسخ‌های متفاوتی می‌دهند این می‌تواند ابزار مفیدی برای پزشکان باشد. این مدل می‌تواند در آینده، اپلیکیشن‌های موبایلی را تجهیز کند که نوشتار و صدای افراد را برای تشخیص استرس‌های روحی و ارسال هشدار نظارت می‌کند.

برچسب ها
دسترسی سریع
دیدگاه کاربران
در حال حاضر هيچ نظری برای نمایش موجود نيست
ارسال دیدگاه