Mašīnmācība var palīdzēt paredzēt psihozi, izmantojot valodas analīzi
Jauna mašīnmācīšanās metode ar 93 procentu precizitāti var paredzēt, vai persona, kurai ir psihozes risks, turpinās attīstīt traucējumus.
Emorijas universitātes un Hārvardas universitātes zinātnieku izstrādātā metode atklāja, ka augstāks nekā parasti ar skaņu saistītu vārdu lietojums kopā ar lielāku līdzīgas nozīmes vārdu izmantošanas biežumu nozīmē, ka psihoze, visticamāk, ir pie horizonta.
Pat apmācīti klīnicisti nebija pamanījuši, kā psihozes riska cilvēki lieto vairāk ar skaņu saistītu vārdu nekā vidēji, lai gan patoloģiska dzirdes uztvere ir agrīna brīdinājuma zīme.
"Mēģinājums dzirdēt šos smalkumus sarunās ar cilvēkiem ir tas pats, kas mēģināt redzēt mikroskopiskus mikrobus ar acīm," saka raksta pirmais autors Neguine Rezaii. “Mūsu izveidotā automatizētā tehnika ir patiešām jutīgs rīks, lai atklātu šos slēptos modeļus. Tas ir kā mikroskops psihozes brīdinājuma pazīmēm. ”
Šizofrēnijas un citu psihotisku traucējumu sākums parasti notiek 20. gadu sākumā, un agrīnās brīdinājuma pazīmes, kas pazīstamas kā prodromālais sindroms, sākas aptuveni 17. vecumā. Apmēram 25 līdz 30 procentiem jauniešu ar prodromālo sindromu galu galā attīstīsies šizofrēnija vai citi psihotiski traucējumi.
Pašlaik psihozes nav iespējams izārstēt. Izmantojot strukturētas intervijas un kognitīvos testus, apmācīti klīnicisti var prognozēt psihozi ar aptuveni 80 procentu precizitāti tiem, kam ir prodromālais sindroms.
Tagad pētījumi ar mašīnmācīšanos, mākslīgā intelekta veidu, kas var atklāt slēptus modeļus, ir viens no daudzajiem pašreizējiem centieniem pilnveidot diagnostikas metodes, identificēt jaunus mainīgos un uzlabot pareģojumu precizitāti.
"Iepriekš bija zināms, ka cilvēku valodā ir smalkas nākotnes psihozes iezīmes, taču mēs esam izmantojuši mašīnmācīšanos, lai faktiski atklātu slēptās detaļas par šīm funkcijām," saka vecākais autors Phillips Wolff, Emory psiholoģijas profesors. Volfa laboratorija koncentrējas uz valodas semantiku un mašīnmācīšanos, lai prognozētu lēmumu pieņemšanu un garīgo veselību.
Pētījumam pētnieki vispirms izmantoja mašīnmācīšanos, lai izveidotu sarunu valodas “normas”. Viņi baroja datoru programmatūru ar 30 000 Reddit lietotāju sociālo tīklu tiešsaistes sarunām - sociālo mediju platformu, kur cilvēkiem ir neformālas diskusijas par dažādām tēmām.
Programmatūra, kas pazīstama kā Word2Vec, izmanto algoritmu, lai atsevišķus vārdus mainītu uz vektoriem (matemātisks termins, kas attiecas uz viena punkta punktu telpā attiecībā pret citu). Citiem vārdiem sakot, programma katru vārdu piešķīra vietai semantiskajā telpā, pamatojoties uz tā nozīmi. Vārdi ar līdzīgu nozīmi tika izvietoti tuvāk viens otram nekā vārdi ar ļoti atšķirīgu nozīmi.
Volfa laboratorija arī izstrādāja datorprogrammu, lai veiktu “vektora izpakošanu” jeb vārdu lietošanas semantiskā blīvuma analīzi. Vektoru izpakošana ļāva pētniekiem kvantitatīvi noteikt, cik daudz informācijas tika ievietota katrā teikumā.
Pēc “normālu” datu bāzes ģenerēšanas pētnieki izmantoja tās pašas metodes diagnostikas intervijās ar 40 jauniešiem, kuriem ir augsts psihozes risks. Pēc tam dalībnieku paraugu automatizētās analīzes salīdzināja ar parasto bāzes paraugu.
Rezultāti parādīja, ka lielāks nekā parasti ar skaņu saistītu vārdu lietojums kopā ar lielāku līdzīgas nozīmes vārdu izmantošanas biežumu nozīmēja psihozes iespējamību.
Pētījuma stiprās puses ir vienkārša, izmantojot tikai divus mainīgos - abiem ir spēcīgs teorētiskais pamats - rezultātu atkārtojums aizturēšanas datu kopā un tā pareģojumu augstā precizitāte, kas pārsniedz 90 procentus.
"Klīniskajā jomā mums bieži trūkst precizitātes," saka Rezaii. "Mums ir nepieciešami vairāk kvantitatīvi, objektīvi veidi, kā izmērīt smalkus mainīgos, piemēram, tos, kas slēpjas valodas lietojumā."
Rezaii un Volfs tagad apkopo lielākas datu kopas un pārbauda savu metožu pielietojumu dažādām neiropsihiatriskām slimībām, tostarp demenci.
"Šis pētījums ir interesants ne tikai tā potenciālā atklāt vairāk par garīgām slimībām, bet arī izpratne par to, kā darbojas prāts - kā tas apvieno idejas," saka Volfs. "Mašīnmācīšanās tehnoloģija attīstās tik strauji, ka tā mums dod rīkus, lai iegūtu datus cilvēka prātam."
Līdzautore Elaine Walker, Emory psiholoģijas un neirozinātņu profesore, saka: "Ja mēs varam identificēt personas, kuras agrāk ir pakļautas riskam, un izmantot profilaktiskas iejaukšanās, mēs varētu novērst deficītu."
Secinājumi tiek publicēti žurnālā npj šizofrēnija.
Avots: Emory Health Sciences
