Strojno učenje lahko z analizo jezika pomaga napovedati psihozo

Nova metoda strojnega učenja lahko s 93-odstotno natančnostjo napove, ali bo oseba, ki ji grozi psihoza, še naprej razvijala motnjo.

Metoda, ki so jo razvili znanstveniki z univerze Emory in univerze Harvard, je odkrila, da višja od običajne uporabe besed, povezanih z zvokom, skupaj z večjo stopnjo uporabe besed s podobnim pomenom, pomeni, da je verjetno na vidiku psihoza.

Tudi usposobljeni zdravniki niso opazili, kako ljudje, ki jim grozi psihoza, uporabljajo več besed, povezanih z zvokom, kot povprečje, čeprav je nenormalno slušno zaznavanje zgodnji opozorilni znak.

"Poskusiti slišati te prefinjenosti v pogovorih z ljudmi je kot poskušati z očmi videti mikroskopske klice," pravi Neguine Rezaii, prvi avtor članka. »Avtomatizirana tehnika, ki smo jo razvili, je res občutljivo orodje za odkrivanje teh skritih vzorcev. To je kot mikroskop za opozorilne znake psihoze. "

Začetek shizofrenije in drugih psihotičnih motenj se običajno pojavi v zgodnjih dvajsetih letih, zgodnji opozorilni znaki - znani kot prodromalni sindrom - pa se začnejo okoli 17. leta. Približno 25 do 30 odstotkov mladih s prodromalnim sindromom bo sčasoma razvilo shizofrenijo ali drugo psihotično motnjo.

Trenutno za psihozo ni zdravila. S strukturiranimi intervjuji in kognitivnimi testi lahko usposobljeni zdravniki napovejo psihozo s približno 80-odstotno natančnostjo pri tistih s prodromalnim sindromom.

Zdaj so raziskave s strojnim učenjem, obliko umetne inteligence, ki lahko odkrije skrite vzorce, eno izmed številnih prizadevanj za poenostavitev diagnostičnih metod, prepoznavanje novih spremenljivk in izboljšanje natančnosti napovedi.

"Prej je bilo znano, da so v jeziku ljudi prisotne prefinjene značilnosti prihodnje psihoze, vendar smo s strojnim učenjem dejansko odkrili skrite podrobnosti o teh lastnostih," pravi starejši avtor Phillip Wolff, profesor psihologije v Emoryju. Wolffov laboratorij se osredotoča na jezikovno semantiko in strojno učenje za napovedovanje odločanja in duševnega zdravja.

Za študijo so raziskovalci najprej uporabili strojno učenje za določitev "norm" za pogovorni jezik. S spletnim pogovorom 30.000 uporabnikov Reddita, platforme za družabna omrežja, na kateri se ljudje neformalno pogovarjajo o številnih temah, so hranili računalniški program.

Program, znan kot Word2Vec, uporablja algoritem za spreminjanje posameznih besed v vektorje (matematični izraz, ki se nanaša na položaj ene točke v prostoru glede na drugo). Z drugimi besedami, program je vsako besedo dodelil lokaciji v semantičnem prostoru glede na njen pomen. Besede s podobnim pomenom so bile postavljene tesneje skupaj kot tiste z zelo različnim pomenom.

Laboratorij Wolff je razvil tudi računalniški program za izvedbo "razpakiranja vektorjev" ali analize semantične gostote uporabe besed. Razpakiranje vektorjev je raziskovalcem omogočilo, da količinsko opredelijo, koliko informacij je bilo zapakiranih v posamezen stavek.

Potem ko so raziskovalci ustvarili izhodiščne "normalne" podatke, so iste tehnike uporabili za diagnostične razgovore 40 mladih z visokim tveganjem za psihozo. Nato smo avtomatizirane analize vzorcev udeležencev primerjali z običajnim osnovnim vzorcem.

Rezultati so pokazali, da večja od običajne uporabe besed, povezanih z zvokom, skupaj z večjo stopnjo uporabe besed s podobnim pomenom pomeni, da je verjetno prišlo do psihoze.

Prednosti študije vključujejo enostavnost uporabe le dveh spremenljivk, ki imata močno teoretično podlago - podvajanje rezultatov v naboru podatkov o izpadih in visoko natančnost napovedi nad 90 odstotkov.

"V kliničnem področju nam pogosto primanjkuje natančnosti," pravi Rezaii. "Potrebujemo bolj kvantificirane, objektivne načine za merjenje subtilnih spremenljivk, na primer tistih, ki so skrite v rabi jezika."

Rezaii in Wolff zdaj zbirata večje sklope podatkov in preizkušata uporabo svojih metod pri različnih nevropsihiatričnih boleznih, vključno z demenco.

"Ta raziskava je zanimiva ne le zaradi potenciala, da razkrije več o duševnih boleznih, temveč tudi za razumevanje, kako deluje um - kako združuje ideje," pravi Wolff. "Tehnologija strojnega učenja napreduje tako hitro, da nam daje orodja za pridobivanje podatkov o človeškem umu."

Soavtorica Elaine Walker, profesorica psihologije in nevroznanosti Emory, pravi: "Če bomo lahko prej prepoznali posameznike, ki so bolj ogroženi, in bomo uporabili preventivne posege, bomo morda lahko odpravili primanjkljaj."

Ugotovitve so objavljene v reviji npj Shizofrenija.

Vir: Emory Health Sciences