AI สามารถทำนายความเสี่ยงโรคจิตในภาษาประจำวัน
ภาษาของผู้คนอาจเปิดเผยเบาะแสเกี่ยวกับความเสี่ยงในอนาคตที่จะเป็นโรคจิต นักวิทยาศาสตร์สรุปเรื่องนี้หลังจากศึกษาคุณลักษณะที่ละเอียดอ่อนของคำพูดในชีวิตประจำวันของผู้คน
นักวิจัยจากมหาวิทยาลัย Emory ในแอตแลนตารัฐจอร์เจียและมหาวิทยาลัยฮาร์วาร์ดในบอสตันรัฐแมสซาชูเซตส์ใช้เทคนิคการเรียนรู้ของเครื่องเพื่อวิเคราะห์ภาษาในกลุ่มคนหนุ่มสาวที่มีความเสี่ยง
พวกเขาพบว่าพวกเขาสามารถคาดเดาได้ว่าบุคคลใดจะพัฒนาโรคจิตได้ด้วยความแม่นยำ 93%
เมื่อเร็ว ๆ นี้ npj โรคจิตเภท เอกสารการศึกษาอธิบายถึงวิธีการที่ทีมพัฒนาและทดสอบวิธีการนี้
Phillip Wolff ผู้เขียนการศึกษาอาวุโสศาสตราจารย์ด้านจิตวิทยาแห่ง Emory University อธิบายว่างานวิจัยก่อนหน้านี้ได้ระบุว่า“ ลักษณะที่ละเอียดอ่อนของโรคจิตในอนาคตมีอยู่ในภาษาของผู้คน” อย่างไรก็ตามเขาตั้งข้อสังเกตว่า“ เราได้ใช้แมชชีนเลิร์นนิงเพื่อเปิดเผยรายละเอียดที่ซ่อนอยู่เกี่ยวกับคุณลักษณะเหล่านั้นจริงๆ”
เขาและเพื่อนร่วมงานได้คิดค้นวิธีการเรียนรู้ด้วยเครื่องเพื่อวัดตัวแปรทางภาษา 2 ตัว ได้แก่ ความหนาแน่นของความหมายและการใช้คำที่เกี่ยวข้องกับเสียง
พวกเขาสรุปว่า“ การแปลงเป็นโรคจิตส่งสัญญาณโดยความหนาแน่นของความหมายต่ำและพูดถึงเสียงและเสียง”
ความหนาแน่นของความหมายต่ำเป็นการวัดสิ่งที่ทีมงานอ้างถึงว่าเป็น "ความยากจนของเนื้อหา" หรือความคลุมเครือ
“ งานชิ้นนี้” ผู้เขียนตั้งข้อสังเกต“ เป็นข้อพิสูจน์ของการศึกษาแนวคิดที่แสดงให้เห็นว่าตัวบ่งชี้สุขภาพจิตในอนาคตสามารถดึงออกมาจากภาษาธรรมชาติของผู้คนโดยใช้วิธีการคำนวณ”
อาการของการเรียนรู้ของเครื่องและโรคจิต
การเรียนรู้ของเครื่องเป็นปัญญาประดิษฐ์ประเภทหนึ่งที่คอมพิวเตอร์ "เรียนรู้จากประสบการณ์" โดยที่นักวิทยาศาสตร์ไม่ต้องตั้งโปรแกรมการเรียนรู้อย่างชัดเจน
ระบบแมชชีนเลิร์นนิงจะค้นหารูปแบบในชุดข้อมูลที่รู้จักและตัดสินใจว่ารูปแบบใดที่ระบุคุณลักษณะเฉพาะ เมื่อ“ เรียนรู้” ว่าคุณลักษณะเหล่านี้คืออะไรจึงสามารถระบุคุณลักษณะเหล่านี้ได้อย่างไม่รู้จักเหน็ดเหนื่อยในชุดข้อมูลใหม่
แมชชีนเลิร์นนิงสามารถระบุรูปแบบการใช้ภาษาของผู้คนซึ่งแม้แต่แพทย์ที่ผ่านการฝึกอบรมเพื่อวินิจฉัยและรักษาผู้ที่เสี่ยงต่อการเป็นโรคจิตก็อาจไม่สังเกตเห็น
“ การพยายามฟังรายละเอียดปลีกย่อยเหล่านี้ในการสนทนากับผู้คนก็เหมือนกับการพยายามมองเห็นเชื้อโรคด้วยกล้องจุลทรรศน์ด้วยตาของคุณ” นักวิจัยคนแรก Neguine Rezaii เพื่อนในภาควิชาประสาทวิทยาของ Harvard Medical School อธิบาย
อย่างไรก็ตามเป็นไปได้ที่จะใช้แมชชีนเลิร์นนิงเพื่อค้นหารูปแบบที่ละเอียดอ่อนบางอย่างที่ซ่อนอยู่ในภาษาของผู้คน “ มันเหมือนกับกล้องจุลทรรศน์สำหรับสัญญาณเตือนของโรคจิต” เธอกล่าวเสริม
Rezaii เริ่มทำการศึกษาในขณะที่เธออาศัยอยู่ในภาควิชาจิตเวชศาสตร์และพฤติกรรมศาสตร์ที่ Emory University School of Medicine
โรคจิตเป็นสภาวะของจิตใจซึ่งอาจเป็นเรื่องยากที่จะบอกความแตกต่างระหว่างสิ่งที่เป็นจริงและสิ่งที่ไม่ใช่
เมื่อบุคคลเข้าสู่สภาวะจิตใจเช่นนี้แพทย์เรียกว่าเป็นโรคจิต ในช่วงเวลาดังกล่าวผู้คนพบกับการรับรู้และความคิดที่ถูกรบกวน อาการหลงผิดและภาพหลอนเป็นอาการทั่วไปของโรคจิต
ในระหว่างตอนที่เป็นโรคจิตบุคคลอาจแสดงพฤติกรรมที่ไม่เหมาะสมหรือพูดคุยไม่ต่อเนื่องกัน นอกจากนี้พวกเขาอาจประสบกับการหยุดชะงักของการนอนหลับและกลายเป็นคนถอนตัวออกจากสังคมซึมเศร้าและวิตกกังวล
ในสหรัฐอเมริกาประมาณ 3% ของผู้คนจะมีประสบการณ์เป็นโรคจิตในช่วงชีวิตของพวกเขาตามตัวเลขจากสถาบันสุขภาพจิตแห่งชาติซึ่งเป็นหนึ่งในสถาบันสุขภาพแห่งชาติ (NIH)
การปรับปรุงการวินิจฉัยความเสี่ยงโรคจิตในระยะเริ่มแรก
โรคจิตเป็นจุดเด่นของโรคจิตเภทและภาวะสุขภาพจิตในระยะยาวที่รุนแรงอื่น ๆ
สัญญาณเตือนของโรคจิตมักเริ่มในช่วงวัยรุ่นตอนกลางถึงตอนปลายโดยมีกลุ่มอาการของโรคจิตที่แพทย์อธิบายว่าเป็นกลุ่มอาการของโรค prodromal
ประมาณ 25–30% ของวัยรุ่นที่เป็นโรค prodromal syndrome จะมีอาการป่วยทางจิตเช่นโรคจิตเภท
จากการสัมภาษณ์และการทดสอบความสามารถในการรับรู้แพทย์ที่ได้รับการฝึกอบรมที่เหมาะสมมักจะสามารถคาดเดาได้ว่าผู้ที่เป็นโรค prodromal syndrome ชนิดใดที่จะพัฒนาโรคจิตได้โดยมีความแม่นยำประมาณ 80%
นักวิทยาศาสตร์พยายามใช้แนวทางต่างๆเพื่อปรับปรุงอัตราการทำนายนี้และทำให้กระบวนการวินิจฉัยมีความแม่นยำและตรงไปตรงมามากขึ้น การเรียนรู้ของเครื่องเป็นหนึ่งในแนวทางเหล่านี้
ศาสตราจารย์วูลฟ์และทีมงานของเขาเริ่มการศึกษาโดยนำระบบแมชชีนเลิร์นนิงมาใช้เพื่อระบุบรรทัดฐานทางภาษาของการสนทนาในชีวิตประจำวัน
พวกเขาเลี้ยงการสนทนาออนไลน์ของระบบจากผู้ใช้ Reddit 30,000 คน Reddit เป็นข่าวออนไลน์การจัดประเภทเนื้อหาและแพลตฟอร์มการสนทนาที่ผู้ใช้ที่ลงทะเบียนสามารถสนทนาเกี่ยวกับหัวข้อต่างๆได้
ทีมงานใช้ซอฟต์แวร์ Word2Vec เพื่อวิเคราะห์คำแต่ละคำในการสนทนา ซอฟต์แวร์จะแมปคำเพื่อให้คำที่มีความหมายคล้ายกันอยู่ใกล้กันใน "ปริภูมิความหมาย" ในขณะที่คำที่มีความหมายต่างกันมากจะอยู่ห่างจากกัน
นักวิจัยได้เพิ่มโปรแกรมอื่นเข้าไปในระบบเพื่อขยายความสามารถในการวิเคราะห์ความหมาย การศึกษาก่อนหน้านี้ได้ จำกัด การวิเคราะห์นี้เพื่อวัดความเชื่อมโยงทางความหมายซึ่งพิจารณาว่าผู้คนใช้คำข้ามประโยคอย่างไร
อย่างไรก็ตามความหนาแน่นของความหมายก้าวไปอีกขั้นและยังประเมินว่าผู้คนจัดระเบียบคำของตนเป็นประโยคอย่างไร ทีมงานแนะนำว่านี่เป็นตัวบ่งชี้ที่ดีกว่าของกระบวนการทางจิตที่ผู้คนใช้ในการสร้างประโยค
หลังจากฝึกอบรมระบบแมชชีนเลิร์นนิงเพื่อสร้าง "พื้นฐานปกติ" แล้วทีมงานได้ป้อนบทสนทนาจากการสัมภาษณ์วินิจฉัยผู้เข้าร่วม 40 คนในการศึกษาระยะยาว Prodrome ของอเมริกาเหนือ (NAPLS)
NAPLS เป็นโครงการหลายไซต์ 14 ปีที่มีวัตถุประสงค์เพื่อปรับปรุงความสามารถของแพทย์ในการวินิจฉัยเยาวชนที่อาจเสี่ยงต่อการเป็นโรคจิตและเพื่อทำความเข้าใจสาเหตุ
จากนั้นทีมงานได้เปรียบเทียบการวิเคราะห์แมชชีนเลิร์นนิงของการสนทนา NAPLS กับข้อมูลพื้นฐาน พวกเขายังเปรียบเทียบกับข้อมูลการติดตามที่แสดงให้เห็นว่าผู้เข้าร่วมคนใดเป็นโรคจิต
ผลการวิจัยพบว่าผู้เข้าร่วมที่เป็นโรคจิตในภายหลังมีแนวโน้มที่จะใช้คำที่เกี่ยวข้องกับเสียงมากกว่าพื้นฐานและพวกเขายังใช้คำที่มีความหมายใกล้เคียงกันบ่อยขึ้น
“ ถ้าเราสามารถระบุตัวบุคคลที่มีความเสี่ยงก่อนหน้านี้และใช้มาตรการป้องกันได้” ศ. เอเลนวอล์กเกอร์ผู้ร่วมเขียนอธิบาย“ เราอาจสามารถย้อนกลับการขาดดุลได้”
“ มีข้อมูลที่ดีที่แสดงให้เห็นว่าการรักษาเช่นการบำบัดด้วยความรู้ความเข้าใจและพฤติกรรมสามารถชะลอการเริ่มมีอาการและอาจลดการเกิดโรคจิตได้ด้วย” เธอกล่าวเสริม
ขณะนี้ทีมกำลังรวบรวมข้อมูลที่ครอบคลุมมากขึ้นและวางแผนที่จะทดสอบเทคนิคการเรียนรู้ด้วยเครื่องใหม่กับภาวะสมองและจิตเวชอื่น ๆ เช่นภาวะสมองเสื่อม
“ งานวิจัยนี้มีความน่าสนใจไม่เพียง แต่สำหรับศักยภาพในการเปิดเผยข้อมูลเพิ่มเติมเกี่ยวกับความเจ็บป่วยทางจิต แต่เพื่อทำความเข้าใจว่าจิตใจทำงานอย่างไร - รวบรวมความคิดเข้าด้วยกันอย่างไร”
ศ. ฟิลลิปวูลฟ์
