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.

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.