Ένας αλγόριθμος μηχανικής μάθησης (machine learning) μπορεί να ανιχνεύσει σημάδια άγχους και κατάθλιψης στα πρότυπα ομιλίας μικρών παιδιών, παρέχοντας έτσι έναν γρήγορο και εύκολο τρόπο διάγνωσης καταστάσεων που είναι δύσκολο να εντοπιστούν και συχνά παραβλέπονται στους νέους ανθρώπους, σύμφωνα με νέα έρευνα που δημοσιεύτηκε στο Journal of Biomedical and Health Informatics.
Περίπου ένα στα πέντε παιδιά πάσχουν από άγχος και κατάθλιψη, με τη μορφή «εσωτερικών διαταραχών». Αλλά επειδή τα παιδιά κάτω από την ηλικία των οκτώ δεν μπορούν να εκφράσουν αξιόπιστα το συναισθηματικό τους πόνο, οι ενήλικες πρέπει να είναι σε θέση να συμπεράνουν την ψυχική τους κατάσταση και να αναγνωρίσουν νοητικα προβλήματα. Οι λίστες αναμονής για συναντήσεις με ψυχολόγους, τα ζητήματα ασφάλισης υγειας και η μη αναγνώριση των συμπτωμάτων από τους γονείς συμβάλλουν ώστε τα παιδιά αν μη δέχονται την απαοτούμενη περίθαλψη.
«Χρειαζόμαστε γρήγορα, αντικειμενικά τεστ για να εντοπίζουμε παιδιά που υποφέρουν» λέει η Έλεν ΜακΓκίνις, κλινική ψυχολόγος στο Vermont Center for Children, Youth and Families του University of Vermont Medical Center και επικεφαλής της έρευνας. «Στα περισσότερα παιδιά κάτω των οκτώ δεν γίνονται διαγνώσεις» προσθέτει- δεδομένου ότι τα παιδιά τέτοιων ηλικιών δεν είναι σε θέση να εκφράσουν αξιόπιστα τα συναισθηματικά τους προβλήματα.
Η έγκαιρη διάγνωση είναι ιδιαίτερα σημαντική επειδή τα παιδιά αντιδρούν καλύτερα σε θεραπείες ενώ οι εγκέφαλοί τους αναπτύσσονται ακόμα, ενώ εάν δεν υποβληθούν σε θεραπεία υπάρχουν αυξημένοι κίνδυνοι αυτοκτονίας, χρήσης ουσιών κλπ αργότερα. Η καθιερωμένη μέθοδος διάγνωσης είναι μια συνέντευξη 60-90 λεπτών με ειδικούς, ωστόσο η Έλεν ΜακΓκίνις και ο Ράιαν ΜακΓκίνις, βιοϊατρικός μηχανικός του University of Vermont και senior author της έρευνας, αναζητούσαν τρόπους να αξιοποιήσουν τεχνητή νοημοσύνη και machine learning για γρηγορότερες και πιο αξιόπιστες διαγνώσεις.
Συγκεκριμένα, οι ερευνητές χρησιμοποίησαν μια ειδικά προσαρμοσμένη εκδοχή μιας τεχνικής (Trier-Social Stress Task) που προορίζεται να προκαλεί συναισθήματα άγχους στο άτομο που υποβάλλεται σε αυτήν. Ζητήθηκε από 71 παιδιά ηλικιών 3-8 ετών να δημιουργήσουν αυτοσχεδιάζοντας μια ιστορία τριών λεπτών και τους είπαν πως θα κρίνονταν με βάση το πόσο ενδιαφέρουσα θα ήταν- με τον κριτή να διατηρεί αυστηρή στάση κατά τη συνομιλία, προβαίνοντας είτε σε ουδέτερες είτε σε αρνητικές αντιδράσεις. Μετά από 90 δευτερόλεπτα, και ενώ απέμεναν 30 δευτερόλεπτα, ακουγόταν ένα κουδούνι και ο κριτής έλεγε πόση ώρα απομένει.
«Η άσκηση είναι σχεδιασμένη να προκαλεί άγχος, και να τα κάνει να σκέφτονται πως κάποιος τα κρίνει» λέει η ΜακΓκίνις. Έπειτα με την χρήση ενός αλγόριθμου machine learning αναλύονται τα στατιστικά χαρακτηριστικά των ηχογραφήσεων των ιστοριών που διηγήθηκαν τα παιδιά και ακολούθησε συσχετισμός με τις διαγνώσεις των παιδιών που είχαν γίνει προηγουμένως μέσω συμβατικών μεθόδων (κλινική συνέντευξη, ερωτηματολόγιο σε γονείς) . Όπως διαπιστώθηκε, ο αλγόριθμος σημείωνε υψηλά ποσοστά επιτυχίας στις διαγνώσεις.
«Ο αλγόριθμος ήταν ικανός να εντοπίζει παιδιά με διάγνωση διαταραχών εσωτερικευμένου τύπου με ακρίβεια 80%, και στις περισσότερες περιπτώσεις αυτό μπορούσε να συγκριθεί με την ακρίβεια του ερωτηματολογίου των γονέων» λέει ο Ράιαν ΜακΓκίνις. Επίσης, απέδιδε αποτελέσματα πολύ γρήγορα: Ο αλγόριθμος απαιτεί μόλις λίγα δευτερόλεπτα για να επεξεργαστεί τα στοιχεία του.
Ο αλγόριθμος εντόπισε οκτώ διαφορετικά ηχητικά χαρακτηριστικά στις ομιλίες των παιδιών, αλλά ειδικά τρία ξεχώρισαν (φωνές χαμηλών τόνων, επαναλήψεις και πιο έντονη αντίδραση στο κουδούνι), με την Έλεν ΜακΓκίνις να σημειώνει πως πρόκειται για χαρακτηριστικά που θα περίμενε κανείς κάποιος να δει σε ένα άτομο που πάσχει από κατάθλιψη. Κατά την ερευνήτρια, το επόμενο βήμα θα είναι η περαιτέρω εξέλιξη του αλγορίθμου σε ένα εργαλείο γενικότερου τύπου για κλινική χρήση- ίσως μέσω εφαρμογής για smartphones, που θα καταγράφει και θα αναλύει τα αποτελέσματα άμεσα.
