Бесплатно Экспресс-аудит сайта:

07.03.2022

Модель ИИ выявляет психические расстройства на основе сообщений в Интернете

Исследователи из Дартмута создали модель искусственного интеллекта для выявления психических расстройств на основе обсуждений на Reddit.

Отличительной чертой новой модели является акцент на эмоциях, а не на конкретном содержании анализируемых текстов социальных сетей. В документе, представленном на 20-й Международной конференции по веб-аналитике и интеллектуальным технологиям , исследователи рассказали, что данный подход работает независимо от тем обсуждаемых сообщений.

Есть множество причин, по которым люди не обращаются за помощью в связи с психическими расстройствами: стигматизация, высокая стоимость и отсутствие доступа к услугам терапевтов. Существует также тенденция сводить к минимуму признаки психических расстройств или смешивать их со стрессом, говорит Сяобо Го, соавтор статьи. По его словам подобные технологии цифрового скриминга могут дать дополнительную мотивацию для обращения к врачу.

В исследовании ученые обучили искусственный интеллект обнаруживать три типа психических расстройств по сообщениям, написанным пользователями социальных сетей. Это обычные эмоциональные расстройства: глубокая депрессия, биполярное аффективное расстройство и тревожное расстройство - которые характеризуются отчетливыми эмоциональными паттернами. Они изучили данные пользователей, которые сообщили о наличии у себя одного из этих расстройств, и пользователей без каких-либо известных психических расстройств.

Ученые обучали ИИ анализируя сообщения в социальной сети Reddit по нескольким причинам. Во-первых, потому что это сеть, где люди могут обмениваться информацией, и у нее много активных пользователей (более 430 миллионов, согласно исследованию), обсуждающих широкий круг тем. Посты и комментарии находятся в открытом доступе, и исследователи могут собирать данные, начиная с 2011 года.

Различные эмоциональные расстройства имеют свои характерные модели эмоциональных переходов. Создавая эмоциональный «отпечаток пальца» пользователя и сравнивая его с установленными признаками эмоциональных расстройств, модель может обнаружить отклонения. Чтобы подтвердить свои результаты, они проверили ее на сообщениях, которые не использовались во время обучения, и показали, что модель точно предсказывает, у каких пользователей может быть одно из этих расстройств, а у каких нет.

"обучение" проходило в несколько этапов. Исследователи не первые, кто заинтересовался анализом эмоций в социальных сетях. Поэтому они начали с использования существующих наборов данных, прежде чем "скормить" свой ИИ публикациями из Reddit. Для каждой категории расстройств они нашли 1997 пользователей, которые утверждали что у них существует психическое отклонение. Также они нашли 1997 пользователей для тестовой группы, которые отвергали отсутствие психических проблем. 70% публикаций этих пользователей были использованы для обучения ИИ, 15% - для процедуры валидации, и 15% - для реального тестирования модели. Исследователи обучили свою модель маркировать эмоции, выраженные в сообщениях пользователей, и отображать эмоциональные переходы между разными сообщениями, чтобы сообщение могло быть помечено как «радость», «гнев», «грусть», «страх», «отсутствие эмоций» или их комбинация. Карта представляет собой матрицу, показывающую, насколько вероятно, что пользователь перейдет из одного состояния в другое, например, из гнева в нейтральное состояние отсутствия эмоций.

Поэтому разработанная ими модель фокусируется на переходах, создавая "эмоциональный отпечаток", связанный с пользователем, который можно сравнить с "типичными" подписями, соответствующими эмоциональным расстройствам. Протестировав эту модель на публикациях, которые ранее не использовались для обучения ИИ, исследователи обнаружили, что ИИ смог точно определить наличие или отсутствие эмоционального расстройства личности.

Исследователи надеются, что представленная работа может использоваться для профилактики психических расстройств. В своей статье они приводят веские доводы в пользу более вдумчивого изучения моделей, основанных на анализе данных социальных сетей.