محققان در حال توسعه اپلیکیشن‌های هوشمند مبتنی بر هوش مصنوعی زاینده برای تشخیص علائم افسردگی به صورت غیرتهاجمی هستند. هوش مصنوعی می‌تواند افسردگی را از طریق چشم‌ها و تغییرات صورت تشخیص دهد.

یک سیستم، PupilSense، رفلکس مردمک را برای شناسایی افسردگی احتمالی با دقت ۷۶ درصد بررسی می‌کند. ابزار دیگری به نام FacePsy، حالات چهره و حرکات سر را برای تشخیص تغییرات خفیف خلق و خو، با یافته‌های غیرمنتظره مانند افزایش لبخند که به طور بالقوه با افسردگی مرتبط است، تجزیه و تحلیل می‌کند.

این ابزارها روشی در دسترس و محافظت کننده از حریم خصوصی برای شناسایی زودهنگام افسردگی، با استفاده از استفاده روزمره از تلفن هوشمند ارائه می‌دهند.

تشخیص افسردگی به کمک هوش مصنوعی

تخمین زده شده است که نزدیک به ۳۰۰ میلیون نفر یا حدود ۴ درصد از جمعیت جهان به نوعی از افسردگی مبتلا هستند. اما تشخیص آن می‌تواند دشوار باشد، به خصوص زمانی که افراد مبتلا احساسات منفی را به دوستان، خانواده یا پزشکان گزارش نمی‌کنند.

اکنون پروفسور استیونز، سانگ وون بائه، در حال کار بر روی چندین برنامه و سیستم تلفن هوشمند مجهز به هوش مصنوعی است که می‌توانند به صورت غیرتهاجمی به ما و دیگران هشدار دهند که ممکن است دچار افسردگی شویم. بائه می‌گوید: افسردگی یک چالش بزرگ است. ما می‌خواهیم کمک کنیم.

و از آنجایی که اکثر مردم جهان امروز روزانه از تلفن‌های هوشمند استفاده می‌کنند، این می‌تواند یک ابزار تشخیص مفید باشد که از قبل ساخته شده و آماده استفاده است. سیستمی که بائه با نامزد دکتری استیونز راهول اسلام در حال توسعه است، به نام PupilSense، با گرفتن عکس‌های فوری و اندازه‌گیری دائمی، از دانش‌آموزان کاربر تلفن هوشمند کار می‌کند.

خواندن این مطلب پیشنهاد می شود :  سیستم مدیریت محتوا

او توضیح می‌دهد: تحقیقات قبلی در سه دهه گذشته بارها نشان داده‌اند که چگونه رفلکس‌ها و پاسخ‌های مردمک می‌توانند با دوره‌های افسردگی مرتبط شوند. این سیستم به طور دقیق قطر مردمک‌ها را در مقایسه با اطراف عنبیه چشم‌ها، از جریان‌های عکس ۱۰ ثانیه‌ای گرفته شده در حالی که کاربران در حال باز کردن تلفن‌های خود یا دسترسی به برخی رسانه‌های اجتماعی و برنامه‌های دیگر هستند، محاسبه می‌کند.

در یک آزمایش اولیه سیستم با ۲۵ داوطلب در یک دوره چهار هفته‌ای، – که روی تلفن‌های هوشمند آن داوطلبان تعبیه شده بود – تقریباً ۱۶۰۰۰ تعامل با تلفن‌ها را پس از جمع‌آوری داده‌های تصویر دانش‌آموز تجزیه و تحلیل کرد. پس از آموزش هوش مصنوعی برای تمایز بین پاسخ‌های «عادی» و پاسخ‌های غیرطبیعی، بائه و اسلام داده‌های عکس را پردازش کردند و آن‌ها را با حالت‌های خود گزارش‌شده داوطلبان مقایسه کردند.

بهترین تکرار PupilSense – که به عنوان TSF شناخته می‌شود، که فقط از نقاط داده انتخابی و با کیفیت بالا استفاده می‌کند – در زمان‌هایی که افراد واقعاً احساس افسردگی می‌کردند، ۷۶ درصد دقیق بود. این بهتر از بهترین سیستم مبتنی بر گوشی‌های هوشمند، پلتفرمی به نام AWARE. است که در حال حاضر برای تشخیص افسردگی در حال توسعه و آزمایش است.

بائه که قبلاً سیستم‌های مبتنی بر گوشی‌های هوشمند را برای پیش‌بینی مصرف بیش از حد الکل و حشیش توسعه داده بود، می‌افزاید: اکنون که این مفهوم به اثبات رسیده است، به توسعه این فناوری ادامه خواهیم داد.

این سیستم اولین بار در کنفرانس بین المللی فعالیت و محاسبات رفتاری در ژاپن در اواخر بهار معرفی شد و این سیستم اکنون به صورت متن باز بر روی پلتفرم GitHub در دسترس است. حالات صورت هم برای کمک به نشخیص افسردگی کمک می‌کنند.

خواندن این مطلب پیشنهاد می شود :  تحول جهان آینده با کامپیوترهای کوانتومی

بائه و اسلام همچنین در حال توسعه سیستم دومی هستند که به نام FacePsy شناخته می‌شود که به طور قدرتمند حالات چهره را برای بینش در حالات ما تجزیه می‌کند. بائه ادامه می‌دهد که: تعداد رو به رشدی از مطالعات روانشناختی نشان می‌دهد که افسردگی با سیگنال‌های غیرکلامی مانند حرکات ماهیچه‌های صورت و حرکات سر مشخص می‌شود.

بائه توضیح می‌دهد: «ما دقیقاً نمی‌دانستیم که کدام حرکات صورت یا حرکات چشم با افسردگی گزارش شده خود افراد، مطابقت دارد. برخی از آنها انتظار می‌رفت و برخی از آنها غافلگیر کننده بود. برای مثال، افزایش لبخند در مطالعه مقدماتی ظاهر شد که نه با شادی بلکه با علائم بالقوه خلق و خوی افسرده و عاطفه مرتبط است.

بائه می‌گوید: «این می‌تواند یک مکانیسم مقابله‌ای باشد، به‌عنوان مثال، افرادی که «چهره‌ای شجاع» برای خود و دیگران نشان می‌دهند، در حالی که واقعاً احساس ناراحتی می‌کنند.

سایر سیگنال‌های آشکار افسردگی که در داده‌های اولیه آشکار شد، شامل حرکات کمتر صورت در ساعات صبح و الگوهای بسیار خاص حرکت چشم و سر بود. (برای مثال به نظر می‌رسید که خمیازه کشیدن یا حرکات پهلو به پهلو در طول صبح به شدت با افزایش علائم افسردگی مرتبط باشد.)

جالب اینجاست که تشخیص بیشتر باز بودن چشم‌ها در صبح و عصر با افسردگی بالقوه نیز مرتبط است – نشان دادن بیان بیرونی هوشیاری یا شادی گاهی اوقات می‌تواند احساسات افسردگی را پنهان کند.

بائه در پایان گفت: «سایر سیستم‌هایی که از هوش مصنوعی برای تشخیص افسردگی استفاده می‌کنند، نیاز به پوشیدن یک دستگاه یا حتی چندین دستگاه دارند. ما فکر می‌کنیم که این مطالعه آزمایشی FacePsy اولین گام عالی به سمت یک ابزار تشخیصی فشرده، ارزان و آسان برای استفاده است.

خواندن این مطلب پیشنهاد می شود :  اولین کلاس هوش مصنوعی “بدون معلم” در بریتانیا!

یافته‌های مطالعه آزمایشی FacePsy در کنفرانس بین المللی ACM در مورد تعامل انسان و کامپیوتر موبایل (MobileHCI) در استرالیا در اوایل اکتبر ارائه خواهد شد.

منبع : neurosciencenews

https://monajemi.ir/?p=50212

لطفا با ارسال نظرات خود ما را در پیشبرد اهداف مشایعت فرمایید.