Фото: Сгенерировано ИИ Модели ищут звуковые паттерны, неразличимые человеческим ухом Традиционные методы диагностики психических заболеваний требуют, чтобы пациенты напрямую обращались к психиатру. Теоретически разумные, такие оценки на практике могут занять месяцы и в конечном итоге привести к субъективным диагнозам.
Вот почему ученые экспериментируют со способами автоматизации этого процесса. Инструменты искусственного интеллекта ( ИИ ) , обученные слушать пациентов, доказали […]
Фото: Сгенерировано ИИ
Модели ищут звуковые паттерны, неразличимые человеческим ухом
Традиционные методы диагностики психических заболеваний требуют, чтобы пациенты напрямую обращались к психиатру. Теоретически разумные, такие оценки на практике могут занять месяцы и в конечном итоге привести к субъективным диагнозам.
Вот почему ученые экспериментируют со способами автоматизации этого процесса. Инструменты искусственного интеллекта ( ИИ ) , обученные слушать пациентов, доказали свою способность определять целый ряд состояний психического здоровья, от тревожности до депрессии, с точностью, превышающей обычные методы диагностики.
Анализируя акустические свойства речи, эти модели ИИ могут определять маркеры депрессии или тревоги, о которых пациент может даже не знать, не говоря уже о том, чтобы их можно было артикулировать. Хотя такие индивидуальные особенности, как высота тона, тон и ритм, играют свою роль, истинная сила этих моделей заключается в их способности различать закономерности, незаметные для ушей психиатра.
ИИ уже использовался специалистами в области психического здоровья.
Например, крупные языковые модели ( LLM ) могут прочесывать транскрибированные интервью на предмет шаблонов речи и контекстных сигналов, характерных для психологических расстройств. Но у текстового ИИ есть ограничения. Культурные нюансы, языковые барьеры и разные уровни беглости могут исказить результаты. Было также показано, что LLM отражают распространенные в обществе языковые предубеждения: в одном исследовании LLM не смог диагностировать депрессию у чернокожих пациентов по сравнению с белыми коллегами.Более того, известно, что LLM «галлюцинируют» — то есть генерируют правдоподобно звучащую, но фактически неверную информацию. Этот недостаток особенно проблематичен в области, где точность может означать разницу между надлежащим лечением и ошибочным диагнозом.
Вот почему новые разрабатываемые методы не обращают внимания на отдельные слова, а на то, как эти слова произносятся. Например, модель ИИ , разработанная исследователями из Южно-Центрального университета Миньцзу в Китае, ищет едва заметные изменения в голосе пациента. Исследователи предполагают, что у людей с депрессией могут быть особые способы речи, слишком тонкие для того, чтобы их мог уловить человеческий слух.
Система использует «предварительную подготовку» — метод, при котором модель сначала подвергается воздействию огромного количества общей речи, чтобы помочь ей распознавать сложные аудиошаблоны. Эти шаблоны могут включать вариации ритма, изменчивость высоты тона и качество голоса, которые обычно не воспринимаются человеческим ухом. Эта предварительная подготовка действует как лингвистический камертон, позволяя системе улавливать сложные вариации речи, которые могут сигнализировать о депрессии, без необходимости понимать сами слова. Затем исследователи настроили или «тонко настроили» эту универсальную систему специально для обнаружения депрессии с помощью записей пациентов с депрессией.
Этот тонко настроенный метод показал замечательную точность. Согласно результатам, опубликованным в Nature Scientific Reports в июне, метод смог обнаружить наличие депрессии в задаче бинарной классификации в 96% случаев и был точен в 95% случаев, когда его попросили классифицировать ее тяжесть по четырем уровням (отсутствие депрессии, легкая, умеренная и тяжелая) на основе одной клинической оценочной шкалы.
Другие методы также приносят плоды. Исследователи из Университета Сорбонны в Париже разработали метод, который анализирует звуковые волны, записанные через приложение для смартфона, для выявления различных состояний психического здоровья. Сначала звуковые волны преобразуются в визуальные карты, называемые спектрограммами, которые отображают, как частота и громкость голоса меняются с течением времени. Затем модель проверяет каждую индивидуальную спектрограмму на наличие признаков, указывающих на различные психические расстройства, включая депрессию, беспокойство, бессонницу и усталость.
И снова модель ИИ проходит предварительное обучение на обширном наборе данных голосовых записей, обучаясь распознавать общие речевые шаблоны и характеристики. Затем она использует эти знания для интерпретации спектрограмм отдельных лиц в исследовании. Этот метод использует методы глубокого обучения для автоматического извлечения соответствующих признаков из необработанных аудиоданных, а не опирается на предопределенные акустические характеристики. Это означает, что точные сигналы, которые использует система, нелегко интерпретируются людьми — распространенный, хотя иногда и спорный аспект многих передовых систем ИИ . Результаты, опубликованные в онлайн-препринте в марте, многообещающие, но исследование все еще находится на ранних стадиях.
Я слушаю
Потенциальные приложения огромны. Анализ звуковых волн облегчает оценку состояния пациентов, даже если они не могут точно выразить свое психическое состояние или находятся в состоянии стресса. Поскольку этот метод работает на разных языках, он также поможет более широкому кругу людей и может оказать ценную помощь в сельской местности с небольшим количеством специалистов в области психического здоровья. Для перегруженных врачей анализ речи может помочь в сортировке пациентов и обеспечить непрерывный мониторинг для тех, кому требуется лечение на дому.
Диагностика, хотя и ценная, — это только первый шаг. Разным людям с одним и тем же заболеванием часто требуется индивидуальное лечение симптомов, которые их больше всего беспокоят. Например, при депрессии «у некоторых могут быть проблемы с памятью, у других — с утомляемостью», — говорит психиатр из больницы Модсли в Лондоне. Следующий шаг для этой многообещающей технологии кажется очевидным — создание моделей ИИ , которые могут помочь врачам персонализировать лечение, которое они назначают пациентам