Naukowcy stworzyli sztuczną sieć neuronową, która może określić, czy dana osoba ma oznaki depresji na podstawie mowy danej osoby, nagranej w formacie audio lub tekstowym. Jednocześnie działanie algorytmu nie zależy od kontekstu rozmowy, to znaczy nie ma znaczenia, o czym mówi osoba, sieć neuronowa potrafi znaleźć niepokojące sygnały nawet w najbardziej abstrakcyjnej rozmowie. Wyniki badań zostaną zaprezentowane na konferencji Interspeech 2018; jego wyniki można przeczytać na stronie internetowej Massachusetts Institute of Technology.
Do tej pory istnieją już algorytmy, które mogą śledzić odpowiedzi pacjenta na pytania lekarza i na ich podstawie stawiać diagnozę. Takie sieci neuronowe analizują to, co powiedział pacjent i na tej podstawie decydują, czy dana osoba ma depresję, czy nie. Zazwyczaj lekarze pytają o wcześniejszą chorobę psychiczną, styl życia i tak dalej. Jak zauważają autorzy nowego badania, takie rozmowy w niewielkim stopniu przypominają zwykłe rozmowy, które człowiek prowadzi w życiu. Dlatego ich celem było nauczenie sieci neuronowej analizowania nie tego, co osoba mówi, ale jak to robi.
Do trenowania sieci neuronowej autorzy wykorzystali ponad 140 plików audio, wideo i tekstowych z nagraniami wywiadów z pacjentami z różnymi zaburzeniami psychicznymi. Najpierw specjalnie zaproszeni eksperci ręcznie oceniali każdy wywiad w skali od 0 do 27. Jeżeli lekarz dał wywiadowi „wynik” wyższy niż 15, to pacjent wykazuje oznaki depresji. Po treningu sieć neuronowa zaczęła samodzielnie ustawiać punkty. Trafność diagnozy (została oceniona w porównaniu z werdyktem ekspertów) wyniosła średnio 77%.
Stworzony algorytm analizuje mowę pacjenta, a temat rozmowy może być najbardziej abstrakcyjny. Zdaniem autorów ta technologia w przyszłości może być bardzo przydatna dla osób, które nie mogą zgłosić się do lekarza lub nie chcą. W oparciu o nowe opracowanie możliwe jest np. Stworzenie aplikacji mobilnej, która będzie śledzić wiadomości i rozmowy telefoniczne danej osoby i tylko na podstawie tych informacji wykryje oznaki depresji.