PsychologyNow Team

Νέο μοντέλο πρόβλεψης της κατάθλιψης και του άγχους χρησιμοποιώντας την τεχνητή νοημοσύνη και τα social media

Νέο μοντέλο πρόβλεψης της κατάθλιψης και του άγχους χρησιμοποιώντας την τεχνητή νοημοσύνη και τα social media

PsychologyNow Team
άτομα χρησιμοποιούν τα social media στα smartphones
Image credit: rawpixel / freepik.com

Ερευνητές χρησιμοποιούν την τεχνητή νοημοσύνη (AI) και το Twitter, για να προσπαθήσουν να δημιουργήσουν μοντέλα πρόβλεψης του άγχους και της κατάθλιψης που θα μπορούσαν στο μέλλον να παρέχουν ενδείξεις αυτών των διαταραχών πριν από την κλινική διάγνωση.


Η κατασκευή μιας βάσης δεδομένων, που ονομάζεται SetembroBR, ήταν το πρώτο βήμα της μελέτης. Το όνομα είναι μια αναφορά στον Κίτρινο Σεπτέμβριο, μια ετήσια εκστρατεία ευαισθητοποίησης και πρόληψης των αυτοκτονιών, καθώς και στο γεγονός ότι η συλλογή δεδομένων για τη μελέτη ξεκίνησε μια μέρα του Σεπτεμβρίου.

Το δεύτερο βήμα βρίσκεται ακόμη σε εξέλιξη, αλλά έχει δώσει ορισμένα προκαταρκτικά ευρήματα, όπως η δυνατότητα ανίχνευσης του κατά πόσον ένα άτομο είναι πιθανό να εμφανίσει κατάθλιψη μόνο με βάση τους φίλους και τους ακολούθους του στα μέσα κοινωνικής δικτύωσης, χωρίς να λαμβάνονται υπόψη οι δικές του αναρτήσεις.

Η βάση δεδομένων που συνέταξε η ομάδα περιέχει πληροφορίες σχετικά με ένα σώμα κειμένων (στα πορτογαλικά) και το δίκτυο συνδέσεων που περιλαμβάνει 3.900 χρήστες του Twitter, οι οποίοι ανέφεραν ότι είχαν διαγνωστεί με προβλήματα ψυχικής υγείας ή είχαν υποβληθεί σε θεραπεία για αυτά πριν από την έρευνα. Το σώμα των κειμένων περιλαμβάνει όλα τα δημόσια tweets που έχουν αναρτηθεί από αυτούς τους χρήστες μεμονωμένα (χωρίς retweets), για ένα σύνολο περίπου 47 εκατομμυρίων αυτών των σύντομων κειμένων.

Αρχικά, συλλέξαμε χειροκίνητα τα χρονολόγια, αναλύοντας tweets από περίπου 19.000 χρήστες, που αντιστοιχούν στον πληθυσμό ενός χωριού ή μιας μικρής πόλης. Στη συνέχεια χρησιμοποιήσαμε δύο σύνολα δεδομένων, ένα για χρήστες που ανέφεραν ότι είχαν διαγνωστεί με κάποιο πρόβλημα ψυχικής υγείας και ένα άλλο που επιλέχθηκε τυχαία για σκοπούς ελέγχου. Θέλαμε να κάνουμε διάκριση μεταξύ των ατόμων με κατάθλιψη και του γενικού πληθυσμού, δήλωσε ο Ιβάντρε Παραμπόνι, τελευταίος συγγραφέας του άρθρου και καθηγητής στη Σχολή Τεχνών, Επιστημών και Ανθρωπιστικών Επιστημών (EACH) του USP.

Η μελέτη συνέλεξε επίσης tweets από φίλους και ακολούθους, σύμφωνα με την παρατήρηση ότι τα άτομα με προβλήματα ψυχικής υγείας τείνουν να ακολουθούν ορισμένους λογαριασμούς, όπως φόρουμ συζητήσεων, influencers και διασημότητες που μιλούν δημοσίως για την κατάθλιψή τους. Αυτοί οι άνθρωποι έλκονται μεταξύ τους. Έχουν κοινά ενδιαφέροντα, δήλωσε ο Paraboni, ο οποίος είναι ερευνητής στο Κέντρο Τεχνητής Νοημοσύνης (C4AI).


Διαβάστε σχετικά: Πώς η μηχανική μάθηση μεταμορφώνει την ψυχολογία


Οι ψυχικές διαταραχές, συμπεριλαμβανομένης της κατάθλιψης και του άγχους, αποτελούν αυξανόμενη παγκόσμια ανησυχία. Ο Παγκόσμιος Οργανισμός Υγείας (ΠΟΥ) εκτίμησε με βάση στοιχεία του 2021 ότι το 3,8% του παγκόσμιου πληθυσμού, δηλαδή περίπου 280 εκατομμύρια άνθρωποι, πάσχουν από κατάθλιψη.

Ο ΠΟΥ εκτίμησε επίσης ότι ο παγκόσμιος επιπολασμός αυτών των προβλημάτων ψυχικής υγείας αυξήθηκε κατά 25% κατά τη διάρκεια της πανδημίας COVID-19. Τα tweets συλλέχθηκαν για τη μελέτη κατά τη διάρκεια αυτής της περιόδου.

Σε πρόσφατη έρευνα του Υπουργείου Υγείας της Βραζιλίας, στην οποία συμμετείχαν 784.000 άτομα, το 11,3% δήλωσε ότι είχε διαγνωστεί με κατάθλιψη. Οι περισσότεροι ήταν γυναίκες.

Σύμφωνα με προηγούμενες έρευνες, τα ψυχικά προβλήματα αντικατοπτρίζονται συχνά στη γλώσσα που χρησιμοποιούν οι πάσχοντες. Η διαπίστωση αυτή οδήγησε σε σημαντικό αριθμό μελετών που αφορούν την επεξεργασία φυσικής γλώσσας (NLP), με έμφαση στην κατάθλιψη, το άγχος και τη διπολική διαταραχή, μεταξύ άλλων.

Το αποτέλεσμα της έρευνας έδειξε ότι υπήρχε καλή πρόβλεψη όσον αφορά τη κατάθλιψη και το άγχος. Επειδή τα μοντέλα ανέλυσαν ακολουθίες λέξεων και πλήρεις προτάσεις, ήταν δυνατό να παρατηρηθεί ότι τα άτομα με κατάθλιψη, για παράδειγμα, έτειναν να γράφουν για θέματα που συνδέονται με τον εαυτό τους, χρησιμοποιώντας ρήματα και φράσεις σε πρώτο πρόσωπο, καθώς και θέματα όπως ο θάνατος, η κρίση και η ψυχολογία.

Τα σημάδια της κατάθλιψης που μπορούν να εντοπιστούν κατά τη διάρκεια μιας επίσκεψης στον γιατρό δεν είναι απαραίτητα τα ίδια με αυτά που εμφανίζονται στα μέσα κοινωνικής δικτύωσης, δήλωσε ο Παραμπόνι.

Για παράδειγμα, ήταν πολύ εμφανής η χρήση των αντωνυμιών σε πρώτο πρόσωπο ενικού αριθμού το «εγώ» και στην ψυχολογία αυτό θεωρείται κλασικό σημάδι κατάθλιψης. Παρατηρήσαμε επίσης συχνή χρήση του emoji καρδιά από χρήστες με κατάθλιψη. Αυτό θεωρείται ευρέως ως σύμβολο στοργής και αγάπης, αλλά ίσως οι ψυχολόγοι να μην το έχουν χαρακτηρίσει ακόμη ως τέτοιο.

Όλα τα κείμενα που συλλέχθηκαν ήταν ανώνυμα. Δεν δημοσιεύσαμε ούτε τα πραγματικά tweets ούτε τα ονόματα των χρηστών. Φροντίσαμε να διασφαλίσουμε ότι οι φοιτητές που συμμετείχαν στο πρόγραμμα δεν είχαν πρόσβαση στα δεδομένα των χρηστών, ώστε να προστατεύσουμε την ταυτότητα των ανθρώπων, δήλωσε.

Οι ερευνητές επεκτείνουν τώρα τη βάση δεδομένων, τελειοποιούν τις υπολογιστικές τεχνικές τους και αναβαθμίζουν τα μοντέλα, προκειμένου να δουν αν μπορούν να δημιουργήσουν ένα εργαλείο για μελλοντική χρήση στον έλεγχο των υποψήφιων πασχόντων από προβλήματα ψυχικής υγείας και να βοηθήσουν τις οικογένειες και τους φίλους των νέων που κινδυνεύουν από κατάθλιψη και άγχος.


Έρευνα: Wesley Ramos dos Santos et al, SetembroBR: a social media corpus for depression and anxiety disorder prediction, Language Resources and Evaluation (2023). DOI: 10.1007/s10579-022-09633-0

Απόδοση - Επιμέλεια: PsychologyNow.gr
Πηγή

*Απαγορεύεται ρητώς η αναπαραγωγή χωρίς προηγούμενη άδεια των υπευθύνων της ιστοσελίδας*

2. banner diafhmishs mypsychologist koino

Κάντε like στην σελίδα μας στο Facebook 
Ακολουθήστε μας στο Twitter 

Διαβαστε ακομη

Βρείτε μας στα...