شفقنا – اسکیزوفرنی و اختلال دوقطبی بیماریهای روانی جدی هستند که اغلب در اوایل بزرگسالی ظاهر میشوند. در حالی که درمانهای مؤثری برای این بیماریها وجود دارد اما تشخیص صحیح آن میتواند سالها طول بکشد. تأخیر در تشخیص، درمان را دشوارتر میکند و وضعیت بیمار را وخیمتر میسازد.
به گزارش سرویس ترجمه شفقنا، با این حال، تحقیقات جدید دانشگاه آرهاوس نشان میدهد که هوش مصنوعی میتواند به تسریع این فرآیند کمک کند. مطالعه آنها که در یک مجله منتشر شده است، نشان میدهد که مدلهای یادگیری ماشینی میتوانند پیشبینی کنند که چه کسانی ممکن است در آینده به اسکیزوفرنی یا اختلال دوقطبی مبتلا شوند.
براساس این گزارش، محققان پروندههای الکترونیکی سلامت 24449 بیمار را که برای اختلالات روانی خفیفتر مانند اضطراب و افسردگی درمان شده بودند، تجزیه و تحلیل کردند. آنها یک الگوریتم یادگیری ماشینی را برای برآورد اینکه آیا این بیماران در معرض خطر بالای تشخیص اسکیزوفرنی یا اختلال دوقطبی در پنج سال آینده هستند، توسعه دادند.
اگر الگوریتم خطر بالایی را پیشبینی کند، پزشکان میتوانند به علائم مرتبط با این اختلالات توجه بیشتری کنند. این امر میتواند منجر به تشخیص زودتر و درمان به موقعتر شود که ممکن است نتایج را برای بیماران بهبود بخشد.
دقت مدل هوش مصنوعی چقدر است؟
هوش مصنوعی بیش از 1000 عامل مختلف از پروندههای پزشکی از جمله تشخیصهای گذشته، داروها و متن یادداشتهای پزشکان را تجزیه و تحلیل کرد. نتایج نشان داد: از بین 100 بیمار با برچسب خطر بالا، حدود 13 نفر در عرض پنج سال به اسکیزوفرنی یا اختلال دوقطبی مبتلا شدند. از بین 100 بیمار با برچسب خطر پایین، 95 نفر در عرض پنج سال به هیچ یک از این اختلالات مبتلا نشدند.
در حالی که این نتایج امیدوارکننده هستند، اما هنوز برای استفاده بالینی در دنیای واقعی به اندازه کافی دقیق نیستند. محققان معتقدند که بهبود نحوه تفسیر یادداشتهای پزشکان توسط هوش مصنوعی، پیشبینیها را دقیقتر خواهد کرد.
هنگامی که محققان بررسی کردند که کدام عوامل بیشترین سهم را در پیشبینیهای هوش مصنوعی دارند، دریافتند که یادداشتهای بالینی که توسط پزشکان در طول ویزیتهای بیمار نوشته شدهاند، مهمترین عامل هستند. کلمات و عبارات خاص مرتبط با علائمی مانند انزوای اجتماعی، شنیدن صداها (هذیان شنوایی) و پذیرش در بیمارستان روانپزشکی، نشانگرهای قوی برای تشخیصهای آینده بودند.
با این حال، مدل فعلی هوش مصنوعی فقط تعداد دفعات ظاهر شدن کلمات خاص را میشمارد. این مدل به طور کامل معنای جملات یا زمینه استفاده از کلمات را درک نمیکند. مدلهای پیشرفتهتر هوش مصنوعی، مشابه آنهایی که چت جی پی تی را تقویت میکنند، میتوانند با تجزیه و تحلیل معنای کامل یادداشتهای پزشکان به جای فقط کلمات تکی، این مشکل را برطرف کنند.
آینده هوش مصنوعی در تشخیص سلامت روان
محققان خوشبین هستند که مدلهای پیچیدهتر هوش مصنوعی، دقت پیشبینی اسکیزوفرنی و اختلال دوقطبی را بهبود میبخشند. با فناوری بهتر، هوش مصنوعی میتواند به ابزاری ارزشمند برای پزشکان تبدیل شود و به آنها کمک کند تا بیماران پرخطر را زودتر شناسایی کنند و زودتر نیز به درمان آن بپردازند.
این مطالعه یک قدم مهم اولیه در استفاده از هوش مصنوعی برای سلامت روان است، اما قبل از اینکه بتوان از آن در بیمارستانها و کلینیکها استفاده کرد، به پیشرفتهای بیشتری نیاز است. در صورت موفقیت، هوش مصنوعی میتواند نحوه تشخیص اختلالات روانی شدید را تغییر دهد و منجر به درمان سریعتر و مؤثرتر برای بیماران در سراسر جهان شود.
این خبر را اینجا ببینید.