人工智能能夠識別抑鬱症。
最近審查：16.10.2021
所有iLive內容都經過醫學審查或事實檢查，以確保盡可能多的事實準確性。
我們有嚴格的採購指南，只鏈接到信譽良好的媒體網站，學術研究機構，並儘可能與醫學同行評審的研究相關聯。 請注意括號中的數字（[1]，[2]等）是這些研究的可點擊鏈接。
如果您認為我們的任何內容不准確，已過時或有疑問，請選擇它並按Ctrl + Enter。
為什麼認識抑鬱症如此困難，特別是在早期階段？有沒有優化診斷的方法？這些問題由科學家們設定。
在表達“ 抑鬱症” 的診斷之前，醫學專家必須做一項艱鉅的工作：收集所有關於病人的可能數據，提供病理學的完整圖片，分析人格形成的特徵和人的生活方式，遵循任何可能的症狀，找出可能間接影響的原因發展出一種痛苦的狀況。代表麻省理工學院的科學家設計了一種模型，可以根據會話特徵和書面風格，在不提出特定測試問題的情況下檢測人的抑鬱情緒。
作為研究項目的領導者之一，Tuki Alhanai解釋說，在與患者交談時，可以聽到關於抑鬱症存在的第一個“鐘”，無論該人在某一時刻的情緒狀態如何。為了擴展診斷模型，有必要最小化應用於信息的限制的數量：所需要的只是進行普通對話，允許模型在自然對話期間評估患者的狀態。
由於在問題或聽到的答案中沒有任何限制，專家稱創建的模型“脫離背景”。使用順序建模的方法，研究人員向患有和不患有抑鬱症的患者發送了文本和聲音版本的對話模型。在序列積累的過程中，法律浮出水面 - 例如，在談話中標準包含“悲傷”，“墮落”等詞語，以及聽覺單調信號。
“該模型區分了口頭一致性，並以患有和未患抑鬱症的患者中最可能存在的因素的形式評估公認的模式，”Alkhanai教授解釋說。“此外，如果人工智能在下列患者中註意到類似的序列，那麼在此基礎上，他能夠診斷出其中的抑鬱狀態。”
測試試驗證明77％的病例成功診斷為抑鬱症。這是最好的結果，記錄在所有先前測試過的模型中，這些模型使用結構清晰的測試和問捲進行“工作”。
專家建議在實踐中使用人工智能嗎？他會成為後續“智能”助手模型的基礎嗎？基於此，科學家尚未發表意見。
有關該研究的信息發佈在麻省理工學院的網站上。它也可以在頁面上找到。http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf
[1]