Аналіз мовлення ШІ може виявити депресію у маленьких дітей

Нові дослідження показують, що алгоритм машинного навчання може виявляти ознаки тривоги та депресії в мовленнєвих моделях маленьких дітей. Ця методика може бути швидшим та простішим способом виявлення важко помітних розладів у молодих людей. Раннє виявлення емоційних проблем важливо для забезпечення своєчасної допомоги.

Слідчі пояснюють, що приблизно кожна п'ята дитина страждає від тривожності та депресії, які в сукупності називають "розладами, що інтерналізуються". Однак ознаки розладу важко розпізнати, оскільки діти віком до восьми років не можуть надійно сформулювати свої емоційні страждання, що ускладнює виявлення стану.

Необхідність своєчасної діагностики є важливою, оскільки доступ до постачальника послуг, будь то питання планування або отримання страхової перевірки, часто є трудомістким процесом.

"Нам потрібні швидкі, об'єктивні тести, щоб зловити дітей, коли вони страждають", - сказала доктор Еллен Макгінніс, клінічний психолог Центру для дітей, молоді та сімей у Вермонтському медичному центрі та головний автор дослідження. "Більшість дітей до восьми років не діагностуються".

Дослідження з'являються в Журнал біомедичної та медичної інформатики.

Рання діагностика є критично важливою, оскільки діти добре реагують на лікування, поки їх мозок все ще розвивається, але якщо їх не лікувати, вони в більшій мірі ризикують зловживання наркотиками та самогубства в подальшому житті.

Стандартний діагноз включає 60-90-хвилинне напівструктуроване інтерв'ю з кваліфікованим клініцистом та його надавачем первинної медичної допомоги.

Макгінніс, разом з біомедичним інженером і старшим автором дослідження Вермонтського університету Райаном Макгіннісом, шукав шляхи використання штучного інтелекту та машинного навчання, щоб зробити діагностику швидшою та надійнішою.

Дослідники застосували адаптовану версію завдання на виклик настрою під назвою Trier-Social Stress Task, яке призначене для того, щоб викликати у суб'єкта почуття стресу та тривоги.

Групу з 71 дитини віком від трьох до восьми років попросили імпровізувати трихвилинну історію та сказали, що їх оцінюватимуть на основі того, наскільки це було цікаво. Дослідник, який виконував функції судді, залишався суворим протягом усього виступу і давав лише нейтральний або негативний відгук. Через 90 секунд і знову через 30 секунд пролунав звуковий сигнал, і суддя сказав їм, скільки часу залишилось.

"Завдання розроблене таким чином, щоб бути напруженим, і поставити їх у свідомість того, що хтось судив їх", - говорить Елен Макгінніс.

Дітям також був поставлений діагноз за допомогою структурованого клінічного опитування та опитування батьків, обидва добре відомі способи виявлення розладів, що інтерналізуються у дітей.

Дослідники використовували алгоритм машинного навчання, щоб проаналізувати статистичні особливості аудіозаписів історії кожної дитини та пов’язати їх з діагнозом дитини. Вони виявили, що алгоритм дуже успішно діагностував дітей, і що середня фаза записів між двома зумерами була найбільш передбачуваною для діагнозу.

"Алгоритм зумів ідентифікувати дітей з діагнозом" інтерналізуючий розлад "із 80-відсотковою точністю, і в більшості випадків це дуже добре порівнювалося з точністю батьківського контрольного списку", - говорить Райан Макгінніс.

Це також може надати результати набагато швидше - алгоритм вимагає лише декількох секунд часу обробки, як тільки завдання буде виконане, щоб надати діагноз.

Алгоритм ідентифікував вісім різних звукових особливостей мовлення дітей, але, зокрема, три виділились як дуже вказівні на інтерналізацію розладів: голоси з низьким рівнем голосу, з повторюваними мовними зворотами та змістом, а також більш високою реакцією на дивовижний звуковий сигнал.

Елен Макгінніс каже, що ці функції добре поєднуються з тим, що можна очікувати від когось, хто страждає на депресію. "Низький голос і повторювані мовні елементи відображають те, про що ми думаємо, коли думаємо про депресію: говорити монотонним голосом, повторюючи те, що ви говорите", - говорить Елен Макгінніс.

Більш тонка реакція на зумер також подібна до реакції, яку дослідники виявили у своїй попередній роботі, де було виявлено, що діти з розладами, що розвиваються, виявляють більшу реакцію відвернення від страхітливого стимулу в завданні викликати страх.

Аналіз голосу має таку ж точність діагностики, як аналіз руху в попередній роботі, але Райан Макгінніс вважає, що його було б набагато простіше використовувати в клінічних умовах.

Для завдання страху потрібні затемнена кімната, іграшка-змійка, датчики руху, прикріплені до дитини, і керівництво, тоді як для голосового завдання потрібні лише суддя, спосіб запису мови та зумер для переривання. "Це було б доцільніше розгорнути", - говорить він.

Еллен Макгінніс каже, що наступним кроком буде розробка алгоритму аналізу мовлення в універсальний інструмент скринінгу для клінічного використання, можливо, за допомогою програми для смартфона, яка може негайно реєструвати та аналізувати результати.

Голосовий аналіз також можна поєднати з аналізом руху в групу технологічно-допоміжних діагностичних інструментів, щоб допомогти виявити дітей, яким загрожує тривога і депресія, ще до того, як їхні батьки підозрюють, що щось не так.

Джерело: Університет Вермонта