O nouă unealtă AI identifică riscul de psihoză precoce în vorbirea tinerilor
Nanyang Technological University, Singapore (NTU Singapore) și Institute of Mental Health (IMH) au dezvoltat un cadru inovator de inteligență artificială (AI) capabil să identifice tinerii cu risc ridicat de psihoză.
Psihoza este o afecțiune severă de sănătate mintală, care apare de obicei în adolescență sau la începutul vârstei adulte, când o persoană poate experimenta halucinații, iluzii și gândire dezordonată. Aceasta este prima cercetare raportată în Singapore care se concentrează specific pe riscul de psihoză precoce în rândul tinerilor prin utilizarea modelelor de limbaj mari (LLMs), un tip de inteligență artificială antrenată să analizeze și să genereze limbaj uman.
Echipa de cercetători consideră că tehnologia ar putea susține în viitor furnizorii de îngrijiri primare și lucrătorii comunitari în identificarea tinerilor vulnerabili înainte ca simptomele clinice să escaladeze. Identificarea timpurie a indivizilor cu risc ultra-ridicat (UHR) de psihoză este o provocare, deoarece tinerii, în viața de zi cu zi, rareori își exprimă direct problemele de sănătate mintală. UHR se referă la un stadiu clinic în care un individ prezintă semne de avertizare timpurie sau factori de risc care cresc semnificativ probabilitatea de a dezvolta psihoză.
De exemplu, o persoană deprimată poate să nu declare explicit că se simte deprimată. Aceasta este cunoscută sub numele de „vorbire non-disclosing”, care se referă la limbajul care nu conține mențiuni explicite ale afecțiunii mintale experimentate de vorbitor. Prin urmare, evaluarea capacității AI de a detecta riscuri potențiale doar din conversații casuale și spontane abordează o barieră esențială în intervenția timpurie.
În cadrul studiului publicat în revista științifică npj Mental Health Research, cercetătorii de la NTU și IMH au evaluat texte transcrise de la 429 de participanți cu vârste cuprinse între 14 și 29 de ani, înscriși în Longitudinal Youth-at-Risk Study (LYRIKS), un studiu de referință inițiat în 2008 în Singapore pentru a evalua în mod cuprinzător factorii de risc sociali, clinici și biologici asociați cu tinerii cu risc ultra-ridicat de a dezvolta psihoză.
Fiecare participant a furnizat un exemplu de vorbire non-disclosing de 45 de secunde, ca răspuns la un prompt neutru, cum ar fi argumentarea pentru a câștiga un premiu pentru a fi „cea mai interesantă persoană”. Cercetătorii au descoperit că modelele standard LLM au avut dificultăți atunci când au fost solicitate direct să prezică riscul clinic din transcrierile brute, având o performanță nu mai bună decât o ghicire aleatorie și ratând majoritatea indivizilor cu risc. Aceștia cred că modelele standard au întâmpinat dificultăți din cauza absenței unor seturi de date de antrenament adecvate, precum și a naturii vorbirii spontane din viața de zi cu zi, care rareori conține informații clinice structurate sau descrieri explicite ale simptomelor.
Pentru a depăși această limitare, echipa a dezvoltat LEMon-AID (Latent Emotion Proxy for Mental Health Detection with AI-integrated Decision-making), care folosește LLM-urile pentru a extrage profile emoționale subtile, cum ar fi bucuria, încrederea, frica și tristețea din text, apoi combină aceste semnale emoționale cu predicțiile tradiționale de învățare automată. Studiul a demonstrat că LEMon-AID performează semnificativ mai bine decât abordările convenționale, crescând acuratețea predictivă generală de la 55% sub solicitarea convențională directă a LLM la 67%, în timp ce crește dramatic sensibilitatea detectării, astfel încât până la 93% din tinerii cu risc pot fi identificați.
Co-autor al studiului, Wilson Goh, a declarat: „Modelele AI standard au dificultăți în a detecta riscurile timpurii pentru sănătatea mintală din conversațiile de zi cu zi, deoarece oamenii rareori discută deschis despre simptomele lor. În loc să cerem AI să ofere un diagnostic direct, LEMon-AID folosește modele de limbaj pentru a citi semnalele emoționale subiacente. Acest sistem leagă modelele emoționale de riscurile pentru sănătatea mintală, păstrând confidențialitatea datelor pacienților și oferind explicații clare și ușor de înțeles.”
În contrast cu modelele tradiționale de învățare automată, care pot funcționa ca „cutii negre”, LEMon-AID generează explicații în limbaj natural alături de evaluările riscurilor sale. Acest lucru permite clinicianilor să înțeleagă raționamentul clar din spatele fiecărei predicții, făcând AI un instrument mai sigur și mai transparent pentru medici în evaluarea pacienților. Dr. Jimmy Lee, care a condus studiul LYRIKS, a declarat: „Detectarea timpurie este unul dintre cele mai puternice instrumente ale noastre în prevenirea dizabilităților pe termen lung și restabilirea sănătății și viitorului tinerilor cu boli mintale. Această cercetare ne aduce mai aproape de acest obiectiv, un viitor în care lucrătorii comunitari și furnizorii de îngrijiri medicale sunt mai bine echipați pentru a identifica tinerii cu risc din timp, susținuți de instrumente AI care ajută la descoperirea celor care ar putea fi altfel ratați. Scopul este de a ajunge la tineri mai devreme și de a-i încuraja să caute îngrijirea de care au nevoie înainte ca starea lor să se înrăutățească.”
Următorii pași în direcția validării clinice a noului cadru LEMon-AID sunt în prezent explorați pentru diverse implementări clinice în lucrările viitoare. Cercetătorii vor utiliza abordări multimodale, incorporând diferite tipuri și modalități de date – cum ar fi semnalele acustice, tonul vocal, ritmul vorbirii și expresiile faciale – pentru a îmbunătăți fiabilitatea sistemului, ajutând în același timp la înțelegerea modului în care modelele descoperite în discurs, comportamente și acustică informează evoluția sănătății mintale. O cercetare extinsă și validarea în lumea reală vor fi necesare înainte de a putea avea loc implementarea practică.
