Udvikling af tale og AI som vinduet til mental sundhed

Psykisk sundhed og neurologiske lidelser er en voksende epidemi. I USA, næsten hver femte har en psykisk lidelse.

Alligevel er der en stigende mangel på psykiater til at behandle dette behov tilstrækkeligt. I 2025, det anslås, at efterspørgslen efter psykiatere kan overstige udbuddet med op til 15, 600 psykiatere. For at hjælpe klinikere med begrænsede ressourcer med at støtte det stigende antal patienter, der søger behandling, forskningsfeltet Computational Psychiatry anvender data og metrisk drevne tilgange til psykiatrien for at studere tankegang, emotion, og adfærd.

I januar 2017, IBM kom med den dristige påstand, at inden for fem år, sundhedspersonale kunne anvende AI for bedre at forstå, hvordan ord og tale tegner et klart vindue ind i vores mentale sundhed. Næsten to år senere, vi ser allerede lovende tidlige resultater. Siden da, det arbejde og den forskning, vi har udført, har styrket vores position:individualiserede data - fra tale til ordvalg til skrevet tekst og fysiologiske indikatorer - kombineret med AI kan være nøglen til at hjælpe sundhedspersonale med bedre at forstå vores eget sind.

I løbet af det sidste år, teams fra IBM Research har samarbejdet med klinikere for at offentliggøre følgende forskning på dette område, alt dette demonstrerer potentialet ved AI og tale til at hjælpe med at informere fagfolk og hjælpe dem med at tegne et mere detaljeret billede af, hvad der sker i vores sind.

• Vi har gjort fremskridt med at opbygge AI -algoritmer for at hjælpe med at informere klinikere om brugernes mentale tilstand baseret på den strukturelle kompleksitet af deres sætninger, som kan pege på mønstre af kognitiv svækkelse.
• Vi har også bevist, at AI og machine learning kan bruges til at hjælpe klinikere med at identificere kritiske sprogmønstre, der bestemmer, med 95 procent nøjagtighed, taleprøver, der traditionelt svarer til skizofrene patienter vs. dem, der svarer til personer, der anses for mere tilbøjelige til at opleve psykose af sundhedspersonale eller sunde kontroller. Specifikt, ændringer i diskursens sammenhæng (måden etableres mellem sætninger) samt diskursrigdom (konteksten tilføjet omkring ord) kan fremtrædende indikere skizofreni.
• Vi har udviklet en måde at bruge machine learning til hurtigt at automatisere analysen af ​​verbal tale og advare klinikere, med mere end 83 procents nøjagtighed, om muligheden for psykotiske episoder i kohorter, der er identificeret som mere tilbøjelige til at opleve psykose, uanset diagnoseprotokollen. Dette kan vise sig at være afgørende for at hjælpe fagfolk med at forudsige psykose, før symptomerne begynder at vise sig, som subtile sprogændringer kunne pege på det, selv før det begyndte fuldt ud.

Vi forestiller os en fremtid, hvor disse teknologier kan lægges i hænderne på fagfolk inden for mental sundhed og i sidste ende gør dem i stand til at udføre deres job mere intelligent, med større tillid, og med evnen til effektivt at behandle en voksende mængde patienter med de rigtige data lige ved hånden.

Selvom dette er en stor fremgang, dette er stadig kun toppen af ​​isbjerget. Vi fortsætter med at forfine og udbygge disse teknikker yderligere, og udvide deres brug for at hjælpe klinikere med at få et endnu bredere overblik over, hvad der kan ske i en persons hjerne, når det kommer til mental sundhed og neurologiske lidelser. Forhåbentlig, sundhedspersonale vil snart hurtigt kunne bruge tale til at udnytte kraften i AI og stille mere velinformerede diagnoser.

Denne historie er genudgivet med tilladelse fra IBM Research. Læs den originale historie her.