Dati multimodali. Per ogni colloquio clinico, i ricercatori utilizzano:(a) video di scansioni facciali 3D, (b) registrazione audio, visualizzato come spettrogramma log-mel, e (c) trascrizione del testo del discorso del paziente. Il modello prevede la gravità dei sintomi depressivi utilizzando tutte e tre le modalità. Credito:Haque et al.
I ricercatori di Stanford hanno recentemente esplorato l'uso dell'apprendimento automatico per misurare la gravità dei sintomi depressivi analizzando il linguaggio parlato delle persone e le espressioni facciali 3D. Il loro metodo multi-modello, delineato in un documento pre-pubblicato su arXiv, ottenuto risultati molto promettenti, con una sensibilità dell'83,3 percento e una specificità dell'82,6 percento.
Attualmente, oltre 300 milioni di persone in tutto il mondo soffrono di disturbi depressivi a vari livelli. In casi estremi, la depressione può portare al suicidio, con una media di circa 800, 000 persone che si suicidano ogni anno.
I disturbi della salute mentale sono attualmente diagnosticati dopo un attento esame da parte di un'ampia gamma di operatori sanitari, compresi i medici di base, psicologi clinici e psichiatri. Ciò nonostante, rilevare le malattie mentali è spesso molto più difficile che diagnosticare le malattie fisiche.
Diversi fattori, compreso lo stigma sociale, costo e disponibilità del trattamento, potrebbe impedire alle persone colpite di cercare aiuto. Attualmente, i ricercatori stimano che il 60 per cento delle persone affette da malattie mentali non riceve cure.
Lo sviluppo di metodi in grado di rilevare automaticamente i sintomi depressivi potrebbe migliorare l'accuratezza e la disponibilità di strumenti diagnostici, portando a interventi più rapidi ed efficienti. Un team di ricercatori di Stanford ha recentemente studiato l'uso dell'apprendimento automatico per misurare la gravità dei sintomi depressivi.
"In questo lavoro, presentiamo un metodo di apprendimento automatico per misurare la gravità dei sintomi depressivi, " hanno scritto i ricercatori nel loro articolo. "Il nostro metodo multimodale utilizza espressioni facciali 3D e linguaggio parlato, comunemente disponibile dai moderni telefoni cellulari."
Imparare l'incorporamento di frasi multimodali. Globale, il modello è una CNN causale. L'ingresso per il modello è:audio, Scansioni facciali 3D, e testo. L'incorporamento multimodale della frase viene inviato a un classificatore di depressione e a un modello di regressione PHQ (non mostrato sopra). Credito:Haque et al.
Gli individui depressi presentano spesso una serie di sintomi verbali e non verbali, compreso il tono monotono, tasso di articolazione ridotto, volumi di conversazione più bassi, meno gesti, e più sguardi in basso. Uno dei test più comuni per valutare la gravità dei sintomi della depressione è il questionario sulla salute del paziente (PHQ).
Il metodo ideato dai ricercatori analizza le tracce audio della voce dei pazienti, Video 3-D delle loro espressioni facciali, e trascrizioni testuali dei loro colloqui clinici. Sulla base di questi dati, il modello produce un punteggio PHQ o un'etichetta di classificazione che indica il disturbo depressivo maggiore.
In una prima valutazione, il modello ha ottenuto un errore medio di 3,67 punti (15,3 per cento relativo), sulla scala PHQ, rilevare il disturbo depressivo maggiore con una sensibilità dell'83,3 percento e una specificità dell'82,6 percento. I ricercatori hanno scelto di raccogliere i dati utilizzati nel loro studio tramite interviste da uomo a computer, piuttosto che da uomo a uomo.
"Rispetto a un intervistatore umano, la ricerca ha dimostrato che i pazienti riferiscono una minore paura della divulgazione e mostrano una maggiore intensità emotiva quando conversano con un avatar, " hanno scritto i ricercatori. "Inoltre, le persone sperimentano benefici psicologici dalla divulgazione di esperienze emotive ai chatbot".
Nel futuro, questo nuovo metodo di apprendimento automatico potrebbe essere implementato negli smartphone in tutto il mondo, aiutando la missione di rendere l'assistenza sanitaria mentale più economica e più accessibile. Secondo i ricercatori, il loro modello è progettato per aumentare e completare i metodi clinici esistenti, piuttosto che emettere diagnosi formali.
"Abbiamo presentato un metodo di apprendimento automatico multimodale che combina tecniche di riconoscimento vocale, visione computerizzata, ed elaborazione del linguaggio naturale, " hanno scritto i ricercatori. "Speriamo che questo lavoro ispiri gli altri a costruire strumenti basati sull'intelligenza artificiale per comprendere i disturbi della salute mentale oltre la depressione".
© 2018 Science X Network
