L’uso di strumenti di intelligenza artificiale in medicina è diventata una tendenza sempre più popolare negli ultimi anni. I ricercatori stanno lavorando allo sviluppo di strumenti di intelligenza artificiale in grado di rilevare segni di malattie fisiche e disturbi psichiatrici.
Uno dei disturbi più comuni è la depressione, che colpisce circa il 9,5% degli adulti americani ogni anno. Gli strumenti di intelligenza artificiale in grado di rilevare automaticamente i segni della depressione possono essere un valido aiuto nell’identificazione precoce delle persone che necessitano di aiuto psicologico.
Il deep learning aiuta a rilevare la depressione nelle sue fasi iniziali
I ricercatori del Jinhua Advanced Research Institute e della Harbin University of Science and Technology hanno recentemente sviluppato un algoritmo di deep learning in grado di rilevare la depressione dal linguaggio di una persona. Questo modello è stato addestrato a riconoscere le emozioni nel linguaggio umano attraverso l’analisi di diverse caratteristiche rilevanti. Per addestrare il loro modello, i ricercatori hanno utilizzato un set di dati noto come DAIC-WOZ, che contiene registrazioni audio ed espressioni facciali di pazienti con diagnosi di disturbo depressivo e di persone senza depressione. “Un modello di algoritmo di decisione congiunta multi-informazione viene stabilito utilizzando il riconoscimento delle emozioni“, hanno scritto Han Tian, Zhang Zhu e Xu Jing nel loro articolo. “Il modello viene utilizzato per analizzare i dati rappresentativi dei soggetti e aiutare nella diagnosi se i soggetti soffrono di depressione“.
Il futuro dello screening della depressione
Per estrarre caratteristiche rilevanti dalle registrazioni audio, il modello utilizza OpenSmile. Si tratta di un insieme di strumenti che gli informatici usano spesso per estrarre caratteristiche da clip audio e classificarle. I ricercatori hanno utilizzato OpenSmile per estrarre singole caratteristiche del linguaggio e combinazioni di caratteristiche che si trovano comunemente nel linguaggio dei pazienti con diagnosi di depressione. Hanno quindi utilizzato l’analisi delle componenti principali per ridurre l’insieme delle caratteristiche estratte.
Tian, Zhu e Jian hanno testato il loro sistema con una serie di test per determinare la sua capacità di identificare persone depresse e non depresse dalle registrazioni audio delle loro voci. Il loro approccio ha raggiunto un tasso di successo impressionante, rilevando la depressione con una precisione dell’87% negli uomini e dell’87,5% nelle donne.
Nel prossimo futuro, il modello sviluppato da Tian, Zhu e Jian potrebbe essere un ulteriore aiuto per gli operatori sanitari nella loro valutazione della depressione. Questo studio potrebbe anche essere la base per lo sviluppo di futuri programmi di intelligenza artificiale volti a identificare segni di problemi di salute mentale dal linguaggio.
Conclusioni
Il modello sviluppato da Tian, Zhu e Jian è stato valutato in una serie di test. Ciò ha dimostrato una buona capacità di rilevare persone depresse e non depresse. I risultati dello studio dimostrano che questo strumento può essere un valido aiuto nella diagnosi precoce della depressione. Tuttavia, è importante notare che questo modello è ancora in una fase iniziale di sviluppo. Pertanto, sarà necessario svolgere ulteriori ricerche prima che possa essere utilizzato in ambito clinico.
