211service.com
Kā mašīnmācīšanās var palīdzēt cīnīties ar depresiju
Depresija ir vienkārši izklausāms stāvoklis ar sarežģītu izcelsmi, kas nav pilnībā izprotama. Tagad mašīnmācība var ļaut zinātniekiem atklāt dažus tās noslēpumus, lai nodrošinātu labāku ārstēšanu.
Lai pacientiem diagnosticētu smagas depresijas traucējumus, kas, domājams, ir ģenētisku, vides un psiholoģisku faktoru kombinācijas rezultāts, viņiem ir jāuzrāda vairāki garš saraksts simptomi, piemēram, nogurums vai koncentrēšanās trūkums. Pēc diagnozes noteikšanas viņi var saņemt kognitīvās uzvedības terapiju vai medikamentus, lai palīdzētu atvieglot viņu stāvokli. Bet ne visas ārstēšanas metodes darbojas katram pacientam, jo simptomi var būt ļoti atšķirīgi.
Nesen daudzi mākslīgā intelekta pētnieki ir sākuši izstrādāt veidus, kā izmantot mašīnmācību medicīnas situācijās. Šādas pieejas spēj pamanīt tendences un detaļas milzīgās datu kopās, kuras cilvēki nekad nevarētu izdarīt, izraujot rezultātus, ko var izmantot citu pacientu diagnosticēšanai. The Ņujorkietis nesen skrēja īpaši interesanta eseja par metodes izmantošanu diagnozes noteikšanai no medicīniskās skenēšanas.
Līdzīgas pieejas tiek izmantotas, lai izgaismotu depresiju. A gadā publicēts pētījums Psihiatrijas pētījumi šī gada sākumā tika parādīts, ka MRI skenējumus var analizēt, izmantojot mašīnmācīšanās algoritmus, lai noteiktu iespējamību, ka kāds cieš no šī stāvokļa. Nosakot smalkas atšķirības to cilvēku skenēšanā, kuri bija un nebija slimi, komanda atklāja, ka ar aptuveni 75 procentu precizitāti viņi varēja noteikt, kuri pacienti cieš no smagas depresijas traucējumiem.
Varbūt interesantāk, Vox ziņo ka pētnieki no Weill Cornell Medicīnas koledžas ievēro līdzīgu metodi, lai identificētu dažādus depresijas veidus. Izmantojot mašīnmācības algoritmus, kas iztaujā datus, kas iegūti, kad smadzenes atrodas miera stāvoklī, zinātnieki ir spējuši iedalīt četrus dažādus stāvokļa apakštipus, kas izpaužas kā dažādi trauksmes un baudas trūkuma maisījumi.
Protams, ne visi mēģinājumi secināt šādas smalkas diagnozes no MRI skenēšanas pagātnē ir bijuši veiksmīgi. Taču mākslīgā intelekta izmantošana nodrošina daudz labākas izredzes pamanīt signālu nekā tad, ja atsevišķi ārsti pārbauda skenēšanu. Eksperimenti vismaz liek domāt, ka ir dažādi depresijas veidi.
Šī pieeja varētu būt tikai viena daļa no plašākiem centieniem izmantot mašīnmācīšanos, lai pamanītu smalkas norādes, kas saistītas ar stāvokli. Piemēram, Ņujorkas Universitātes Langone medicīnas centra pētnieki izmanto mašīnmācības metodes, lai izvēlētos balss modeļus, kas ir īpaši raksturīgi cilvēkiem ar depresiju, kā arī tādiem stāvokļiem kā PTSD.
Un ideja, ka var būt daudz veidu depresijas, varētu izrādīties noderīga, norāda Vox. Tas atzīmē citu nesenais pētījums Emorijas universitātes pētnieki atklāja, ka mašīnmācīšanās spēja identificēt dažādus smadzeņu darbības modeļus fMRI skenēs, kas korelē ar dažādu ārstēšanas veidu efektivitāti.
Citiem vārdiem sakot, var būt iespējams ne tikai izmantot AI, lai identificētu unikālus depresijas veidus, bet arī noteiktu, kā tos vislabāk ārstēt. Šādas pieejas joprojām ir tālu no klīniski nozīmīgu rezultātu sniegšanas, taču tās parāda, ka nākotnē var būt iespējams noteikt labākus veidus, kā palīdzēt slimniekiem.
Tikmēr daži pētnieki arī cenšas izstrādāt AI, lai nodrošinātu, ka depresija neizraisa traģiskus rezultātus, piemēram, paškaitējumu vai pašnāvību. Piemēram, pagājušajā mēnesī Vadu ziņots Floridas štata universitātes zinātnieki ir izstrādājuši mašīnmācības programmatūru, kas analizē veselības ierakstu modeļus, lai atzīmētu pacientus, kuriem varētu būt pašnāvības domu risks. Un Facebook apgalvo, ka tas var darīt kaut ko līdzīgu, analizējot lietotāju saturu, taču atliek redzēt, cik efektīva varētu būt tā iejaukšanās.
(Lasīt vairāk: vox , Vadu , Ņujorkietis , Lieli jautājumi par Facebook pašnāvību novēršanas rīkiem , Balss analīzes tehnika varētu diagnosticēt slimību )