Um método de aprendizado de máquina descobriu uma pista oculta na linguagem das pessoas que previa o surgimento posterior da psicose - o uso frequente de palavras associadas ao som. Um artigo publicado pela revista npj esquizofrenia publicou as descobertas de cientistas da Emory University e da Harvard University.

Os pesquisadores também desenvolveram um novo método de aprendizado de máquina para quantificar com mais precisão a riqueza semântica da linguagem de conversação das pessoas, um indicador conhecido de psicose.

Seus resultados mostram que a análise automatizada das duas variáveis ​​de idioma - uso mais frequente de palavras associadas a sons e fala com baixa densidade semântica, ou imprecisão - pode prever se uma pessoa em risco desenvolverá psicose posteriormente com 93 por cento de precisão.

Mesmo os médicos treinados não perceberam como as pessoas em risco de psicose usam mais palavras associadas ao som do que a média, embora a percepção auditiva anormal seja um sintoma pré-clínico.

"Tentar ouvir essas sutilezas nas conversas com as pessoas é como tentar ver germes microscópicos com os olhos, "diz Neguine Rezaii, primeiro autor do artigo. "A técnica automatizada que desenvolvemos é uma ferramenta realmente sensível para detectar esses padrões ocultos. É como um microscópio para sinais de alerta de psicose."

Rezaii começou a trabalhar no papel enquanto era residente no Departamento de Psiquiatria e Ciências do Comportamento da Emory School of Medicine. Ela agora é bolsista no Departamento de Neurologia da Harvard Medical School.

"Já se sabia que características sutis da psicose futura estão presentes na linguagem das pessoas, mas usamos o aprendizado de máquina para descobrir detalhes ocultos sobre esses recursos, "diz o autor sênior Phillip Wolff, professor de psicologia na Emory. O laboratório de Wolff se concentra na semântica da linguagem e no aprendizado de máquina para prever a tomada de decisões e a saúde mental.

"Nossa descoberta é nova e aumenta as evidências que mostram o potencial do uso de aprendizado de máquina para identificar anormalidades linguísticas associadas a doenças mentais, "diz a coautora Elaine Walker, um professor de psicologia e neurociência da Emory que pesquisa como a esquizofrenia e outros transtornos psicóticos se desenvolvem.

O início da esquizofrenia e outros transtornos psicóticos geralmente ocorre no início dos anos 20, com sinais de alerta - conhecidos como síndrome prodrômica - começando por volta dos 17 anos. Cerca de 25 a 30 por cento dos jovens que atendem aos critérios para uma síndrome prodrômica desenvolverão esquizofrenia ou outro transtorno psicótico.

Usando entrevistas estruturadas e testes cognitivos, clínicos treinados podem prever psicose com cerca de 80 por cento de precisão em pessoas com síndrome prodrômica. A pesquisa de aprendizado de máquina está entre os muitos esforços em andamento para agilizar os métodos de diagnóstico, identificar novas variáveis, e melhorar a precisão das previsões.

Atualmente, não há cura para a psicose.

“Se pudermos identificar os indivíduos que estão em risco mais cedo e usar intervenções preventivas, podemos ser capazes de reverter os déficits, "Walker diz." Existem bons dados que mostram que tratamentos como a terapia cognitivo-comportamental podem atrasar o início, e talvez até reduza a ocorrência de psicose. "

Para o artigo atual, os pesquisadores primeiro usaram o aprendizado de máquina para estabelecer "normas" para a linguagem de conversação. Eles alimentaram um programa de software de computador com conversas online de 30, 000 usuários do Reddit, uma plataforma de mídia social onde as pessoas têm discussões informais sobre uma variedade de tópicos. O programa de software, conhecido como Word2Vec, usa um algoritmo para transformar palavras individuais em vetores, atribuir a cada um uma localização em um espaço semântico a partir de seu significado. Aqueles com significados semelhantes estão posicionados mais próximos do que aqueles com significados muito diferentes.

O laboratório Wolff também desenvolveu um programa de computador para realizar o que os pesquisadores apelidaram de "descompactação de vetores, "ou análise da densidade semântica do uso da palavra. Trabalhos anteriores mediram a coerência semântica entre as frases. A descompactação de vetores permitiu aos pesquisadores quantificar quanta informação foi compactada em cada frase.

Depois de gerar uma linha de base de dados "normais", os pesquisadores aplicaram as mesmas técnicas a entrevistas diagnósticas de 40 participantes que foram realizadas por médicos treinados, como parte do Estudo Longitudinal do Prodrome da América do Norte (NAPLS), financiado pelo National Institutes of Health. O NAPLS está focado em jovens com alto risco clínico de psicose. Walker é o investigador principal do NAPLS em Emory, uma das nove universidades envolvidas no projeto de 14 anos.

As análises automatizadas das amostras dos participantes foram então comparadas com a amostra normal da linha de base e os dados longitudinais sobre se os participantes se converteram para psicose.

Os resultados mostraram que o uso de palavras relacionadas ao som, acima do normal, combinado com uma maior taxa de uso de palavras com significados semelhantes, significava que provavelmente a psicose estava no horizonte.

Os pontos fortes do estudo incluem a simplicidade de usar apenas duas variáveis ​​- ambas com forte base teórica - a replicação dos resultados em um conjunto de dados de validação, e a alta precisão de suas previsões, acima de 90 por cento.

"No campo clínico, muitas vezes nos falta precisão, "Rezaii diz." Precisamos de mais quantificações, maneiras objetivas de medir variáveis ​​sutis, como aqueles ocultos no uso da linguagem. "

Rezaii e Wolff estão agora reunindo conjuntos de dados maiores e testando a aplicação de seus métodos em uma variedade de doenças neuropsiquiátricas, incluindo demência.

"Esta pesquisa é interessante não apenas por seu potencial de revelar mais sobre doenças mentais, mas para entender como a mente funciona - como ela reúne ideias, "Wolff diz." A tecnologia de aprendizado de máquina está avançando tão rapidamente que está nos fornecendo ferramentas para minerar dados da mente humana. "