Un algoritmo di apprendimento automatico può rilevare segni di ansia e depressione nei modelli di discorso dei bambini piccoli, potenzialmente fornendo un modo rapido e semplice per diagnosticare condizioni difficili da individuare e spesso trascurate nei giovani, secondo una nuova ricerca pubblicata nel Journal of Biomedical and Health Informatics . Credito:Anthony Kelly
Un algoritmo di apprendimento automatico può rilevare segni di ansia e depressione nei modelli di discorso dei bambini piccoli, potenzialmente fornendo un modo rapido e semplice per diagnosticare condizioni difficili da individuare e spesso trascurate nei giovani, secondo una nuova ricerca pubblicata nel Journal of Biomedical and Health Informatics .
Circa un bambino su cinque soffre di ansia e depressione, collettivamente noti come "disturbi internalizzanti". Ma poiché i bambini di età inferiore agli otto anni non possono articolare in modo affidabile la loro sofferenza emotiva, gli adulti devono essere in grado di dedurre il loro stato mentale, e riconoscere potenziali problemi di salute mentale. Liste di attesa per appuntamenti con gli psicologi, questioni assicurative, e il mancato riconoscimento dei sintomi da parte dei genitori contribuisce a far perdere ai bambini un trattamento vitale.
"Abbiamo bisogno di veloce, test oggettivi per catturare i bambini quando stanno soffrendo, "dice Ellen McGinnis, uno psicologo clinico presso il Vermont Center for Children dell'Università del Vermont Medical Center, Giovani e famiglie e autore principale dello studio. "La maggior parte dei bambini sotto gli otto anni non viene diagnosticata".
La diagnosi precoce è fondamentale perché i bambini rispondono bene al trattamento mentre il loro cervello è ancora in via di sviluppo, ma se non vengono curati corrono un rischio maggiore di abuso di sostanze e suicidio più avanti nella vita. La diagnosi standard prevede un colloquio semi-strutturato di 60-90 minuti con un medico qualificato e il loro caregiver primario. McGinnis, insieme all'ingegnere biomedico dell'Università del Vermont e all'autore senior dello studio Ryan McGinnis, ha cercato modi per utilizzare l'intelligenza artificiale e l'apprendimento automatico per rendere la diagnosi più rapida e affidabile.
I ricercatori hanno utilizzato una versione adattata di un compito di induzione dell'umore chiamato Trier-Social Stress Task, che ha lo scopo di provocare sentimenti di stress e ansia nel soggetto. A un gruppo di 71 bambini di età compresa tra i tre e gli otto anni è stato chiesto di improvvisare una storia di tre minuti, e ha detto che sarebbero stati giudicati in base a quanto fosse interessante. Il ricercatore in qualità di giudice è rimasto severo per tutto il discorso, e ha dato solo un feedback neutro o negativo. Dopo 90 secondi, e di nuovo con 30 secondi rimasti, suonava un cicalino e il giudice diceva loro quanto tempo era rimasto.
"Il compito è progettato per essere stressante, e per metterli nella mentalità che qualcuno li stava giudicando, "dice Ellen McGinnis.
I bambini sono stati anche diagnosticati utilizzando un'intervista clinica strutturata e un questionario per i genitori, entrambi i modi consolidati di identificare i disturbi di internalizzazione nei bambini.
I ricercatori hanno utilizzato un algoritmo di apprendimento automatico per analizzare le caratteristiche statistiche delle registrazioni audio della storia di ogni bambino e metterle in relazione con la diagnosi del bambino. Hanno scoperto che l'algoritmo ha avuto molto successo nella diagnosi dei bambini, e che la fase centrale delle registrazioni, tra i due cicalini, era il più predittivo di una diagnosi.
"L'algoritmo è stato in grado di identificare i bambini con una diagnosi di disturbo internalizzante con una precisione dell'80%, e nella maggior parte dei casi che si confrontavano molto bene con l'accuratezza della lista di controllo dei genitori, " afferma Ryan McGinnis. Può anche fornire i risultati molto più rapidamente:l'algoritmo richiede solo pochi secondi di tempo di elaborazione una volta completata l'attività per fornire una diagnosi.
L'algoritmo ha identificato otto diverse caratteristiche audio del discorso dei bambini, ma tre in particolare si sono distinti come altamente indicativi di disturbi dell'interiorizzazione:voci basse, con inflessioni e contenuti del discorso ripetibili, e una risposta più acuta al cicalino sorprendente. Ellen McGinnis afferma che queste caratteristiche si adattano bene a ciò che potresti aspettarti da qualcuno che soffre di depressione. "Una voce bassa ed elementi vocali ripetibili rispecchiano ciò a cui pensiamo quando pensiamo alla depressione:parlare con voce monotona, ripetendo quello che dici, "dice Ellen McGinnis.
La risposta più acuta al cicalino è anche simile alla risposta che i ricercatori hanno trovato nel loro lavoro precedente, dove si è scoperto che i bambini con disturbi di interiorizzazione mostrano una risposta più ampia di allontanamento da uno stimolo pauroso in un compito di induzione alla paura.
L'analisi vocale ha una precisione simile nella diagnosi all'analisi del movimento in quel lavoro precedente, ma Ryan McGinnis pensa che sarebbe molto più facile da usare in un ambiente clinico. Il compito della paura richiede una stanza buia, serpente giocattolo, sensori di movimento attaccati al bambino e una guida, mentre il compito vocale ha bisogno solo di un giudice, un modo per registrare il parlato e un cicalino per interrompere. "Questo sarebbe più fattibile da distribuire, " lui dice.
Ellen McGinnis afferma che il prossimo passo sarà quello di sviluppare l'algoritmo di analisi del parlato in uno strumento di screening universale per uso clinico, magari tramite un'app per smartphone in grado di registrare e analizzare immediatamente i risultati. L'analisi vocale potrebbe anche essere combinata con l'analisi del movimento in una batteria di strumenti diagnostici assistiti dalla tecnologia, per aiutare a identificare i bambini a rischio di ansia e depressione prima che anche i loro genitori sospettino che qualcosa non va.