Исследователи из Массачуссетского технологического института (MIT) разработали алгоритм диагностики депрессии на основе нейросети. Модель ставит диагноз по аудиозаписям и текстовыми расшифровкам интервью с пациентами, обнаруживая в речи специфические «депрессивные паттерны».
«Первые признаки того, что человек находится в состоянии радости, возбуждения, грусти, подавленности или вообще страдает от депрессии — все они в его речи», — отметил Тука Алхани, один из создателей модели, исследователь Лаборатории компьютерных наук и искусственного интеллекта MIT.
Для обучения нейросеть получала записи пациентов с депрессией — и людей, которые ей не страдают. Из них автоматически извлекались те самые «депрессивные паттерны». Речь идет не только о конкретных словах и цепочках слов, но и о более медленной, монотонной и глухой речи, большем числе пауз между словами. Нейросеть учится выявлять нужные признаки сама — и если данные покажут, что депрессивную речь отличает что-нибудь такое, о чем врачи даже не подозревали, какое-нибудь характерное покашливание или пришептывание, она легко это учтет. Главное — снабдить алгоритм достаточным количеством данных.
Нейросеть тренировали на корпусе интервью с больными депрессией, в котором записаны 142 разговора. Корпус содержит аудиозаписи, тексты и видеоинтервью. Кстати, эти разговоры тоже проводили с помощью ботов, но ботов контролировали люди.
После интервью врачи присвоили каждому пациенту «степень депрессивности» от 0 до 27 по стандартным психологическим метрикам. Депрессия по этой шкале начинается в районе 14-15 баллов. Из 142 пациентов диагноз «депрессия» получили 28. На этих данных и обучалась нейросеть.
Пока точность диагностики составляет 71%, то есть 29% тех, кого модель определила как страдающих депрессией, ей на самом деле не страдают. Полнота модели — 83%. Это значит что в 17% случаев она не замечает депрессивного пациента. Нейросеть работает не идеально, но как помощник психолога для первичной постановки диагноза справляется неплохо.
Теперь ученые ищут способ научиться интерпретировать свой алгоритм. Нейросети не могут просто выдать использованные признаки — они оперируют только численными абстракциями, в которых знание о «депрессивных паттернах» хранится в виде большого количества весов.
«Сейчас это все еще черный ящик, — отметил соавтор исследования Джеймс Гласс. — Таким моделям проще верить, если есть объяснение того, что они находят в данных. Следующая задача — понять, какие свойства данных выделила нейросеть».
Модель из MIT — не первая. Машинное обучение уже применялось для помощи психологам в диагностике. Однако прежде алгоритмы оценивали конкретные ответы на конкретные вопросы. Для постановки диагноза надо было специально говорить с пациентом по конкретному скрипту. Новый алгоритм позволяет анализировать произвольные разговоры человека, даже если он не может или не хочет общаться с врачами.
«Если вы хотите сделать масштабируемую модель для диагностики депрессии, вам нужно научиться работать с любыми данными без ограничений. Модель должна работать на обычных разговорах и по ним определять состояние человека», — подчеркнул Тука Алхани.
Исследователи надеются, что в будущем их разработка может быть встроена в мобильные приложения, которые следят за здоровьем. Тогда первые признаки депрессии можно будет отловить задолго до того, как человек соберется ко врачу или в форточку.
Подробнее узнать о нейросети-психологе можно тут.
