AI dapat meramalkan risiko psikosis dalam bahasa sehari-hari
Bahasa orang dapat menunjukkan petunjuk mengenai risiko mereka untuk menghidap psikosis di masa depan. Para saintis menyimpulkan ini setelah mengkaji ciri-ciri halus ucapan sehari-hari orang.
Penyelidik di Emory University di Atlanta, GA, dan Harvard University di Boston, MA, menggunakan teknik pembelajaran mesin untuk menganalisis bahasa dalam sekumpulan orang muda yang berisiko.
Mereka mendapati bahawa mereka dapat meramalkan individu mana yang akan mengembangkan psikosis dengan ketepatan 93%.
Baru-baru ini npj Skizofrenia kertas kajian menerangkan bagaimana pasukan mengembangkan dan menguji kaedahnya.
Pengarang kajian kanan Phillip Wolff, seorang profesor psikologi di Emory University, menjelaskan bahawa penyelidikan sebelumnya telah membuktikan bahawa "ciri-ciri halus psikosis masa depan terdapat dalam bahasa orang." Namun, dia menyatakan, "kami telah menggunakan pembelajaran mesin untuk benar-benar mengungkap perincian tersembunyi mengenai ciri tersebut."
Dia dan rakannya merancang pendekatan pembelajaran mesin mereka untuk mengukur dua pemboleh ubah linguistik: kepadatan semantik dan penggunaan kata-kata yang berkaitan dengan bunyi.
Mereka menyimpulkan bahawa "penukaran menjadi psikosis ditandakan oleh kepadatan semantik yang rendah dan bercakap mengenai suara dan suara."
Ketumpatan semantik yang rendah adalah ukuran yang disebut oleh pasukan sebagai "kemiskinan kandungan" atau ketidakjelasan.
"Karya ini," kata penulis, "adalah bukti kajian konsep yang menunjukkan bahawa petunjuk kesihatan mental masa depan dapat diambil dari bahasa semula jadi orang menggunakan kaedah komputasi."
Pembelajaran mesin dan gejala psikosis
Pembelajaran mesin adalah jenis kecerdasan buatan di mana komputer "belajar dari pengalaman" tanpa saintis harus memprogram pembelajaran secara eksplisit.
Sistem pembelajaran mesin mencari corak dalam sekumpulan data yang diketahui dan memutuskan corak mana yang mengenal pasti ciri tertentu. Setelah "mengetahui" apa ciri-ciri ini, tanpa lelah ia dapat mengenalinya dalam satu set data yang baru.
Pembelajaran mesin dapat melihat corak penggunaan bahasa orang yang bahkan doktor yang telah menjalani latihan untuk mendiagnosis dan merawat mereka yang berisiko psikosis mungkin tidak menyedarinya.
"Mencuba mendengar kehalusan ini dalam perbualan dengan orang adalah seperti melihat kuman mikroskopik dengan mata anda," jelas penulis kajian pertama Neguine Rezaii, seorang rakan di Jabatan Neurologi di Sekolah Perubatan Harvard.
Walau bagaimanapun, adalah mungkin untuk menggunakan pembelajaran mesin untuk mencari corak halus tertentu yang tersembunyi dalam bahasa orang. "Ini seperti mikroskop untuk memberi amaran tanda-tanda psikosis," tambahnya.
Rezaii mula mengerjakan kajian ini semasa dia tinggal di Jabatan Sains Psikiatri dan Tingkah Laku di Sekolah Perubatan Universiti Emory.
Psikosis adalah keadaan fikiran di mana sukar untuk membezakan antara yang nyata dan yang tidak.
Apabila seseorang memasuki keadaan fikiran ini, doktor menyebutnya sebagai episod psikotik. Semasa episod seperti itu, orang mengalami persepsi dan pemikiran yang terganggu. Khayalan dan halusinasi adalah gejala psikosis yang biasa.
Semasa episod psikotik, seseorang mungkin menunjukkan tingkah laku yang tidak sesuai atau bercakap secara tidak selaras. Di samping itu, mereka mungkin mengalami gangguan tidur dan menarik diri, tertekan, dan cemas secara sosial.
Di Amerika Syarikat, kira-kira 3% orang akan mengalami tempoh psikosis sepanjang hayat mereka, menurut angka dari National Institute of Mental Health, yang merupakan salah satu National Institutes of Health (NIH).
Meningkatkan diagnosis awal risiko psikosis
Psikosis adalah ciri skizofrenia dan keadaan kesihatan mental jangka panjang yang teruk.
Tanda-tanda amaran psikosis biasanya bermula pada pertengahan hingga akhir tahun remaja dengan sekumpulan gejala psikosis yang digambarkan oleh doktor sebagai sindrom prodromal.
Sekitar 25-30% remaja yang mengalami sindrom prodromal akan menghidap penyakit psikotik seperti skizofrenia.
Dari temu bual dan ujian kemampuan kognitif, doktor dengan latihan yang sesuai biasanya dapat meramalkan orang yang menderita sindrom prodromal akan mengembangkan psikosis dengan ketepatan sekitar 80%.
Para saintis mencuba pelbagai pendekatan untuk meningkatkan kadar ramalan ini dan menjadikan proses diagnostik lebih tepat dan mudah. Pembelajaran mesin adalah salah satu pendekatan ini.
Wolff dan pasukannya memulakan kajian mereka dengan mendapatkan sistem pembelajaran mesin mereka untuk mengenal pasti norma bahasa dalam perbualan sehari-hari.
Mereka memberi makan sistem perbualan dalam talian dari 30,000 pengguna Reddit. Reddit adalah berita dalam talian, penarafan kandungan, dan platform perbincangan di mana pengguna yang berdaftar boleh bercakap mengenai pelbagai topik.
Pasukan ini menggunakan perisian Word2Vec untuk menganalisis kata-kata individu dalam perbualan. Perisian ini memetakan kata-kata sehingga mereka yang mempunyai makna yang serupa saling berdekatan dalam "ruang semantik", sementara yang mempunyai makna yang sangat berbeda jauh antara satu sama lain.
Para penyelidik menambahkan program lain ke sistem untuk memperluas kemampuannya untuk menganalisis semantik. Kajian terdahulu telah membatasi analisis ini untuk mengukur koherensi semantik, yang melihat bagaimana orang menggunakan kata di seluruh ayat.
Walau bagaimanapun, kepadatan semantik melangkah lebih jauh dan juga menilai bagaimana orang menyusun kata-kata mereka menjadi ayat. Pasukan menunjukkan bahawa ini adalah petunjuk yang lebih baik untuk proses mental yang digunakan orang untuk membentuk ayat.
Setelah melatih sistem pembelajaran mesin untuk menetapkan "garis dasar normal," pasukan kemudian memberinya perbualan dari wawancara diagnostik 40 peserta dalam Kajian Longitudinal Prodrome Amerika Utara (NAPLS).
NAPLS adalah projek 14 tahun multisite yang bertujuan untuk meningkatkan kemampuan doktor untuk mendiagnosis orang muda yang mungkin berisiko menghidap psikosis dan memahami sebabnya.
Pasukan kemudian membandingkan analisis pembelajaran mesin perbualan NAPLS dengan data asas. Mereka juga membandingkannya dengan data susulan yang menunjukkan peserta mana yang mengembangkan psikosis.
Hasil kajian menunjukkan bahawa peserta yang kemudian mengalami psikosis cenderung menggunakan lebih banyak kata-kata yang berkaitan dengan suara daripada garis dasar, dan mereka juga lebih sering menggunakan kata-kata yang mempunyai makna serupa.
"Sekiranya kita dapat mengenal pasti individu yang berisiko lebih awal dan menggunakan intervensi pencegahan," jelas pengarang bersama Prof Elaine Walker, "kita mungkin dapat membalikkan kekurangan."
"Ada data yang baik yang menunjukkan bahawa rawatan seperti terapi kognitif-tingkah laku dapat menunda permulaan dan bahkan dapat mengurangkan kejadian psikosis," tambahnya.
Pasukan ini kini mengumpulkan koleksi data yang lebih luas dan merancang untuk menguji teknik pembelajaran mesin baru dengan keadaan otak dan psikiatri lain, seperti demensia.
"Penyelidikan ini menarik bukan hanya untuk potensinya untuk mengungkap lebih banyak mengenai penyakit mental tetapi untuk memahami bagaimana minda berfungsi - bagaimana ia menyatukan idea."
Prof Phillip Wolff
