Ícono del sitio La Neta Neta

Investigadores del MIT enseñan una red neuronal para reconocer la depresión

Investigadores del MIT enseñan una red neuronal para reconocer la depresión

Una nueva tecnología de investigadores del MIT puede detectar la depresión analizando las respuestas escritas y habladas de un paciente. El sistema, iniciado por el grupo CSAIL del MIT, utiliza “un modelo de red neuronal que se puede desatar en texto sin procesar y datos de audio de entrevistas para descubrir patrones de habla indicativos de depresión”.

“Dado un tema nuevo, puede predecir con precisión si el individuo está deprimido, sin necesidad de ninguna otra información sobre las preguntas y respuestas”, escriben los investigadores.

La parte más importante del sistema es que no tiene contexto. Esto significa que no requiere preguntas o tipos de respuestas específicos. Simplemente utiliza las interacciones del día a día como fuente de datos.

“Lo llamamos ‘sin contexto’, porque no está imponiendo restricciones a los tipos de preguntas que está buscando y el tipo de respuestas a esas preguntas”, dijo el investigador Tuka Alhanai.

“Cada paciente hablará de manera diferente, y si el modelo ve cambios, tal vez sea una señal para los médicos”, dijo el coautor del estudio James Glass. “Este es un paso adelante para ver si podemos hacer algo de asistencia para ayudar a los médicos”.

Desde el liberar:

Los investigadores entrenaron y probaron su modelo en un conjunto de datos de 142 interacciones del Corpus de entrevistas de análisis de angustia que contiene entrevistas de audio, texto y video de pacientes con problemas de salud mental y agentes virtuales controlados por humanos. Cada sujeto se califica en términos de depresión en una escala de 0 a 27, utilizando el Cuestionario de salud personal. Los puntajes por encima de un límite entre moderado (10 a 14) y moderadamente severo (15 a 19) se consideran deprimidos, mientras que todos los demás por debajo de ese umbral no se consideran deprimidos. De todos los sujetos en el conjunto de datos, 28 (20 por ciento) están etiquetados como deprimidos.

En experimentos, el modelo se evaluó utilizando métricas de precisión y recuerdo. Mide con precisión cuáles de los sujetos deprimidos identificados por el modelo fueron diagnosticados como deprimidos. Recall mide la precisión del modelo en la detección de todos los sujetos que fueron diagnosticados como deprimidos en todo el conjunto de datos. En precisión, el modelo obtuvo una puntuación del 71 por ciento y, al recordarlo, obtuvo una puntuación del 83 por ciento. El puntaje combinado promedio para esas métricas, considerando cualquier error, fue del 77 por ciento. En la mayoría de las pruebas, el modelo de los investigadores superó a casi todos los demás modelos.

Obviamente, la detección es solo una parte del proceso, pero este terapeuta robótico podría ayudar a los terapeutas reales a encontrar y aislar los problemas automáticamente en comparación con el largo proceso de análisis. Es un paso adelante fascinante en salud mental.


Source link
Salir de la versión móvil