Para diagnosticar a depressão, médicos entrevistam pacientes, fazendo perguntas específicas - sobre, dizer, doenças mentais passadas, estilo de vida, e humor - e identifique a condição com base nas respostas do paciente.

Nos últimos anos, o aprendizado de máquina tem sido defendido como uma ajuda útil para diagnósticos. Modelos de aprendizado de máquina, por exemplo, foram desenvolvidos para detectar palavras e entonações da fala que podem indicar depressão. Mas esses modelos tendem a prever se uma pessoa está deprimida ou não, com base nas respostas específicas da pessoa a perguntas específicas. Esses métodos são precisos, mas sua confiança no tipo de pergunta que está sendo feita limita como e onde eles podem ser usados.

Em um artigo apresentado na conferência Interspeech, Os pesquisadores do MIT detalham um modelo de rede neural que pode ser liberado em texto bruto e dados de áudio de entrevistas para descobrir padrões de fala indicativos de depressão. Dado um novo assunto, pode prever com precisão se o indivíduo está deprimido, sem precisar de qualquer outra informação sobre as perguntas e respostas.

Os pesquisadores esperam que este método possa ser usado para desenvolver ferramentas para detectar sinais de depressão em conversas naturais. No futuro, o modelo poderia, por exemplo, potencialize aplicativos móveis que monitoram o texto e a voz de um usuário quanto a distúrbios mentais e enviam alertas. Isso pode ser especialmente útil para aqueles que não conseguem chegar a um médico para um diagnóstico inicial, devido à distância, custo, ou a falta de consciência de que algo pode estar errado.

"As primeiras dicas que temos de que uma pessoa é feliz, animado, triste, ou tem alguma condição cognitiva séria, como depressão, é através do discurso deles, "diz o primeiro autor Tuka Alhanai, Pesquisadora do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL). "Se você deseja implantar modelos [de detecção de depressão] de forma escalonável ... você deseja minimizar a quantidade de restrições que tem nos dados que está usando. Você deseja implantá-los em qualquer conversa regular e ter o modelo selecionado, da interação natural, o estado do indivíduo. "

A tecnologia ainda pode, claro, ser usado para identificar sofrimento mental em conversas casuais em consultórios clínicos, adiciona o co-autor James Glass, um cientista pesquisador sênior em CSAIL. "Cada paciente vai falar de maneira diferente, e se o modelo sofrer mudanças, talvez isso seja um sinal de alerta para os médicos, ", diz ele." Este é um passo em frente para ver se podemos fazer algo de assistência para ajudar os médicos. "

O outro co-autor do artigo é Mohammad Ghassemi, Membro do Instituto de Engenharia e Ciência Médica (IMES).

Modelagem livre de contexto

A principal inovação do modelo está em sua capacidade de detectar padrões indicativos de depressão, e, em seguida, mapeie esses padrões para novos indivíduos, sem informações adicionais. "Chamamos isso de 'livre de contexto, 'porque você não está restringindo os tipos de perguntas que está procurando e o tipo de resposta a essas perguntas, "Alhanai diz.

Outros modelos são fornecidos com um conjunto específico de perguntas, e, em seguida, dados exemplos de como uma pessoa sem depressão responde e exemplos de como uma pessoa com depressão responde - por exemplo, a investigação direta, "Você tem histórico de depressão?" Ele usa essas respostas exatas para determinar se um novo indivíduo está deprimido quando feito exatamente a mesma pergunta. "Mas não é assim que as conversas naturais funcionam, "Alhanai diz.

Os pesquisadores, por outro lado, usou uma técnica chamada modelagem de sequência, frequentemente usado para processamento de fala. Com esta técnica, eles alimentaram as sequências de modelos de texto e dados de áudio de perguntas e respostas, de indivíduos deprimidos e não deprimidos, um por um. À medida que as sequências se acumulavam, o modelo extraiu padrões de fala que surgiram para pessoas com ou sem depressão. Palavras como, dizer, "triste, " "baixo, "ou" para baixo, "pode ​​ser emparelhado com sinais de áudio que são mais planos e monótonos. Indivíduos com depressão também podem falar mais devagar e usar pausas mais longas entre as palavras. Esses identificadores de texto e áudio para sofrimento mental foram explorados em pesquisas anteriores. Em última análise, cabia ao modelo para determinar se algum padrão foi preditivo de depressão ou não.

"O modelo vê sequências de palavras ou estilo de fala, e determina que esses padrões são mais prováveis ​​de serem vistos em pessoas que estão deprimidas ou não deprimidas, "Alhanai diz." Então, se vê as mesmas sequências em novos assuntos, pode prever se eles também estão deprimidos. "

Essa técnica de sequenciamento também ajuda o modelo a olhar para a conversa como um todo e notar as diferenças entre como as pessoas com e sem depressão falam ao longo do tempo.

Detectando depressão

Os pesquisadores treinaram e testaram seu modelo em um conjunto de dados de 142 interações do Distress Analysis Interview Corpus que contém áudio, texto, e entrevistas em vídeo de pacientes com problemas de saúde mental e agentes virtuais controlados por humanos. Cada sujeito é classificado em termos de depressão em uma escala de 0 a 27, usando o Questionário de Saúde Pessoal. Pontuações acima de um ponto de corte entre moderado (10 a 14) e moderadamente grave (15 a 19) são consideradas deprimidas, enquanto todos os outros abaixo desse limite são considerados não deprimidos. De todos os assuntos do conjunto de dados, 28 (20 por cento) são rotulados como deprimidos.

Em experimentos, o modelo foi avaliado usando métricas de precisão e recall. A precisão mede quais dos indivíduos deprimidos identificados pelo modelo foram diagnosticados como deprimidos. Recall mede a precisão do modelo na detecção de todos os indivíduos diagnosticados como deprimidos em todo o conjunto de dados. Na precisão, o modelo marcou 71 por cento e, no recall, marcou 83 por cento. A pontuação combinada média para essas métricas, considerando quaisquer erros, foi de 77 por cento. Na maioria dos testes, o modelo dos pesquisadores superou quase todos os outros modelos.

Um insight importante da pesquisa, Alhanai observa, é aquele, durante os experimentos, the model needed much more data to predict depression from audio than text. With text, the model can accurately detect depression using an average of seven question-answer sequences. With audio, the model needed around 30 sequences. "That implies that the patterns in words people use that are predictive of depression happen in shorter time span in text than in audio, " Alhanai says. Such insights could help the MIT researchers, e outros, further refine their models.

This work represents a "very encouraging" pilot, Glass says. But now the researchers seek to discover what specific patterns the model identifies across scores of raw data. "Right now it's a bit of a black box, " Glass says. "These systems, Contudo, are more believable when you have an explanation of what they're picking up. … The next challenge is finding out what data it's seized upon."

The researchers also aim to test these methods on additional data from many more subjects with other cognitive conditions, such as dementia. "It's not so much detecting depression, but it's a similar concept of evaluating, from an everyday signal in speech, if someone has cognitive impairment or not, " Alhanai says.

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.