AI Konuşma Analizi Küçük Çocuklarda Depresyonu Tespit Edebilir

Yeni araştırma, bir makine öğrenimi algoritmasının küçük çocukların konuşma modellerinde anksiyete ve depresyon belirtilerini tespit edebileceğini öne sürüyor. Teknik, gençlerde tespit edilmesi zor bozuklukları tespit etmenin daha hızlı ve daha kolay bir yolu olabilir. Zamanında bakımı sağlamak için duygusal sorunların erken tespiti önemlidir.

Araştırmacılar, beş çocuktan birinin topluca "içselleştirme bozuklukları" olarak bilinen anksiyete ve depresyondan muzdarip olduğunu açıklıyor. Bununla birlikte, sekiz yaşın altındaki çocuklar duygusal acılarını güvenilir bir şekilde ifade edemedikleri için rahatsızlığın belirtilerini fark etmek zordur ve bu da durumun fark edilmesini zorlaştırır.

Zamanında teşhis koyma ihtiyacı, bir sağlayıcıya erişim, sorunları planlama veya sigorta doğrulaması alma, genellikle zahmetli bir süreç olduğundan önemlidir.

Vermont Üniversitesi Tıp Merkezi Vermont Çocuklar, Gençler ve Aileler Merkezi'nde klinik psikolog olan Dr. Ellen McGinnis ve çalışmanın baş yazarı Dr. Ellen McGinnis, "Çocukları acı çektikleri zaman yakalamak için hızlı, objektif testlere ihtiyacımız var" dedi. "Sekiz yaşın altındaki çocukların çoğuna tanı konulmadı."

Araştırma, Biyomedikal ve Sağlık Bilişimi Dergisi.

Erken teşhis kritiktir çünkü çocuklar beyinleri hala gelişirken tedaviye iyi yanıt verirler, ancak tedavi edilmezlerse daha sonraki yaşamlarında madde bağımlılığı ve intihar riski altındadırlar.

Standart tanı, eğitimli bir klinisyen ve birinci basamak sağlık görevlisi ile 60-90 dakikalık yarı yapılandırılmış bir görüşmeyi içerir.

McGinnis, Vermont Üniversitesi biyomedikal mühendisi ve kıdemli yazar Ryan McGinnis ile birlikte, teşhisi daha hızlı ve daha güvenilir hale getirmek için yapay zeka ve makine öğrenimini kullanmanın yollarını arıyor.

Araştırmacılar, konuyla ilgili stres ve kaygı duygularına neden olmayı amaçlayan Trier-Sosyal Stres Görevi adı verilen bir duygudurum indüksiyon görevinin uyarlanmış bir versiyonunu kullandılar.

Üç ile sekiz yaşları arasındaki 71 çocuktan oluşan bir gruptan üç dakikalık bir hikaye uydurmaları istendi ve ne kadar ilginç olduğuna göre değerlendirilecekleri söylendi. Yargıç olarak hareket eden araştırmacı, konuşma boyunca katı kaldı ve yalnızca tarafsız veya olumsuz geribildirim verdi. 90 saniye sonra ve yine 30 saniye kala bir zil sesi duyulur ve yargıç onlara ne kadar süre kaldığını söylerdi.

Ellen McGinnis, "Görev stresli olmak ve onları birinin onları yargıladığı zihniyetine sokmak için tasarlandı" diyor.

Çocuklara ayrıca yapılandırılmış bir klinik görüşme ve ebeveyn anketi kullanılarak teşhis kondu, her ikisi de çocuklarda içselleştirme bozukluklarını belirlemenin iyi bilinen yolları.

Araştırmacılar, her çocuğun hikayesinin ses kayıtlarının istatistiksel özelliklerini analiz etmek ve bunları çocuğun teşhisi ile ilişkilendirmek için bir makine öğrenimi algoritması kullandı. Algoritmanın çocukları teşhis etmede oldukça başarılı olduğunu ve kayıtların iki sesli ikaz arasındaki orta aşamasının bir tanı için en öngörücü olduğunu buldular.

Ryan McGinnis, “Algoritma, içselleştirme bozukluğu teşhisi konan çocukları yüzde 80 doğrulukla belirleyebildi ve çoğu durumda ebeveyn kontrol listesinin doğruluğu ile gerçekten iyi bir şekilde karşılaştırdı” diyor Ryan McGinnis.

Ayrıca sonuçları çok daha hızlı verebilir - algoritma, bir teşhis sağlamak için görev tamamlandıktan sonra sadece birkaç saniye işlem süresi gerektirir.

Algoritma, çocukların konuşmasının sekiz farklı ses özelliğini tanımladı, ancak özellikle üçü, içselleştirme bozukluklarının son derece göstergesi olarak göze çarpıyordu: tekrarlanabilir konuşma çekimleri ve içeriği ile alçak tiz sesler ve şaşırtıcı zile yüksek perdeli bir yanıt.

Ellen McGinnis, bu özelliklerin depresyondan muzdarip birinden bekleyebileceklerinizle uyumlu olduğunu söylüyor. Ellen McGinnis, "Alçak bir ses ve tekrarlanabilir konuşma öğeleri, depresyon hakkında düşündüğümüzde ne düşündüğümüzü yansıtıyor: tek tonlu bir sesle konuşmak, söylediklerinizi tekrarlamak," diyor Ellen McGinnis.

Zile verilen yüksek perdeli yanıt, araştırmacıların önceki çalışmalarında buldukları yanıta benziyor; burada içselleştirme bozukluğu olan çocuklar, bir korku indüksiyon görevinde korkulu bir uyarandan daha büyük bir geri dönüş tepkisi sergiledi.

Ses analizi, daha önceki çalışmadaki hareket analizine tanı koymada benzer bir doğruluğa sahiptir, ancak Ryan McGinnis, klinik bir ortamda kullanımının çok daha kolay olacağını düşünüyor.

Korku görevi karanlık bir oda, oyuncak yılan, çocuğa bağlı hareket sensörleri ve bir rehber gerektirirken, ses görevi yalnızca bir yargıç, konuşmayı kaydetmenin bir yolu ve kesmek için bir zil sesi gerektirir. "Bunun yerleştirilmesi daha uygun olur" diyor.

Ellen McGinnis, bir sonraki adımın konuşma analizi algoritmasını klinik kullanım için evrensel bir tarama aracına dönüştürmek olacağını söylüyor, belki de sonuçları hemen kaydedip analiz edebilen bir akıllı telefon uygulaması aracılığıyla.

Ses analizi, anksiyete ve depresyon riski altındaki çocukları ebeveynleri bile herhangi bir şeyin yanlış olduğundan şüphelenmeden tespit etmeye yardımcı olmak için hareket analizi ile bir dizi teknoloji destekli tanı araçlarıyla birleştirilebilir.

Kaynak: Vermont Üniversitesi