قام باحثون بتقييم فعالية أداة التعلم الآلى التابعة للذكاء الاصطناعى (ML) فى الكشف عن العلامات الصوتية المرتبطة بالاكتئاب الشديد أو المتوسط.
ونجحت الأداة ،فى اكتشاف العلامات الصوتية للاكتئاب فى 25 ثانية فقط، وتحديد حالات الاكتئاب بشكل صحيح فى أكثر من 70% من العينات، مما يسلط الضوء على فائدتها فى فحص الصحة العقلية.
تتمتع تقنية التعلم الآلى بإمكانية تحسين معدلات فحص الاكتئاب، وغالبًا ما يكون لدى الأشخاص الذين يعانون من الاكتئاب أنماط كلام مميزة، بما في ذلك التلعثم والتردد والتوقفات الطويلة والكلام البطيء، يمكن لتقنية التعلم الآلي تحليل هذه السمات الصوتية، المعروفة باسم المؤشرات الحيوية الصوتية، للكشف عن علامات الاكتئاب.
يقدم استخدام التعلم الآلى فى فحص الاكتئاب القائم على الصوت طريقة غير جراحية وموضوعية وآلية لتحديد الأفراد المعرضين للخطر، وقد يجعل هذا النهج عملية الفحص أكثر سهولة وفعالية، مما يساعد الأطباء في نهاية المطاف على اكتشاف الاكتئاب في وقت مبكر وتحسين رعاية المرضى.
وقام الباحثون باستكشاف ما إذا كان التعلم الآلي قادر على اكتشاف علامات الاكتئاب من خلال تحليل أنماط الكلام، ولضمان مجموعة متنوعة، استهدفوا الرجال وكبار السن على وجه التحديد في جهودهم التوعوية، أكمل المشاركون استبيانًا قياسيًا عن الاكتئاب وسجلوا ما لا يقل عن 25 ثانية من الكلام باستخدام هواتفهم أو أجهزة الكمبيوتر الخاصة بهم، قام الباحثون بمعالجة التسجيلات لضمان جودة الصوت الواضحة والمتسقة.
قام نموذج التعلم الآلي بتحليل التسجيلات الصوتية لتحديد ما إذا كان شخص ما يعاني من اكتئاب متوسط إلى شديد، وقد قامت الدراسة بتصنيف المشاركين إلى ثلاث فئات، وحددتهم على أنهم معرضون للإصابة بالاكتئاب إذا كانت أنماط أصواتهم تشير بقوة إلى ذلك، ولا تظهر عليهم أي علامات اكتئاب إذا لم يتم العثور على علامات صوتية واضحة، وأوصت بإجراء مزيد من التقييم إذا كانت النتائج غير واضحة.
حللت الدراسة تسجيلات صوتية للمشاركين وتراوحت عينات الكلام للمشاركين من 25 إلى أقل من 75 ثانية بقليل، بمتوسط حوالي 58 ثانية، وتراوحت درجات الاكتئاب التي أبلغوا عنها ذاتيًا من 0 إلى 27، بمتوسط 9.
وقد أظهر النموذج نجاح الأداة في اكتشاف الاكتئاب بدقة، وأظهر نموذج التعلم الآلي وعدًا في فحص الاكتئاب، على الرغم من أن الدقة تختلف حسب العمر والجنس والعرق.
استكشفت هذه الدراسة إمكانات التعلم الآلي في الكشف عن الأنماط الصوتية المرتبطة بالاكتئاب المتوسط إلى الشديد. قام نموذج التعلم الآلي بتحليل عينات الكلام القصير وأدى بشكل مشابه لأدوات الفحص المعمول بها، بحساسية 71.3٪ وخصوصية 73.5٪.
على الرغم من أنها ليست بديلاً للتشخيص السريري ، إلا أن هذه التقنية قد تساعد الأطباء في فحص المزيد من المرضى بكفاءة، وقد تم تطبيق أدوات التعلم الآلي المماثلة للكشف عن الحالات العصبية، مما يسلط الضوء على إمكاناتها في مجال الرعاية الصحية.
وكان لدى كبار السن أيضًا حساسية أقل ولكن خصوصية أعلى، مما يشير إلى أن التغيرات الصوتية المرتبطة بالعمر قد تؤثر على النتائج.
في حين أن التحليل الصوتي القائم على التعلم الآلي لا يزال في مرحلة التطوير، فإنه قد يدعم فحص الاكتئاب الشامل، مما يساعد الأطباء على اكتشاف الاكتئاب فى وقت مبكر وتقليل التحيز التشخيصى.
المصدر: وكالات
