Suche
Mein Konto
Mašininis mokymasis galėtų būti papildoma sprendimų palaikymo priemonė vertinant depresiją
Apytikslis faktas ir tikslas: Depresija kasmet paveikia apie 18 milijonų amerikiečių, tačiau ambulatoriškai depresijos atranka atliekama retai. Šiame tyrime buvo įvertintas AI pagrįstas mašininis biomarkerio įrankis, kuris naudoja kalbos modelius, kad nustatytų vidutinio sunkumo ar sunkią depresiją, kad būtų pagerinta galimybė gauti pirminės sveikatos priežiūros patikrą. Tyrimo metodas: Tyrimo metu buvo išanalizuota daugiau nei 14 000 kalbos pavyzdžių iš JAV ir Kanados suaugusiųjų. Dalyviai atsakė į klausimą: „Kaip praėjo diena? Su bent 25 sekundžių laisvos formos kalba. Priemonė analizavo balso biomarkerius, susijusius su depresija, įskaitant kalbos ritmą, dvejones, pauzes ir kitas akustines savybes. Jie buvo pagrįsti rezultatais…
Mašininis mokymasis galėtų būti papildoma sprendimų palaikymo priemonė vertinant depresiją
Apytikslis faktas ir tikslas: Depresija kasmet paveikia apie 18 milijonų amerikiečių, tačiau ambulatoriškai depresijos atranka atliekama retai. Šiame tyrime buvo įvertintas AI pagrįstas mašininis biomarkerio įrankis, kuris naudoja kalbos modelius, kad nustatytų vidutinio sunkumo ar sunkią depresiją, kad būtų pagerinta galimybė gauti pirminės sveikatos priežiūros patikrą.
Tyrimo metodas: Tyrimo metu buvo išanalizuota daugiau nei 14 000 kalbos pavyzdžių iš JAV ir Kanados suaugusiųjų. Dalyviai atsakė į klausimą: „Kaip praėjo diena? Su bent 25 sekundžių laisvos formos kalba. Priemonė analizavo balso biomarkerius, susijusius su depresija, įskaitant kalbos ritmą, dvejones, pauzes ir kitas akustines savybes. Jie buvo lyginami su Patient Health Questionnaire-9 (PHQ-9), standartinės depresijos patikros priemonės, rezultatais. PHQ-9 balas 10 ar didesnis rodė vidutinio sunkumo ar sunkią depresiją. AI įrankis pateikė tris rezultatus: depresijos požymius, depresijos požymius, kurie nebuvo aptikti, ir tolesnį vertinimą (neaiškiais atvejais).
Pagrindiniai rezultatai: AI modeliui mokyti naudotą duomenų rinkinį sudarė 10 442 mėginiai, o tikslumui įvertinti buvo naudojami papildomi 4 456 mėginiai.
-
Priemonė parodė 71% jautrumą ir teisingai nustatė depresiją 71% žmonių, kurie ja sirgo.
-
Specifiškumas buvo 74%, o tai teisingai atmetė depresiją 74% žmonių, kurie ja nesirgo.
Kodėl tai svarbu: tyrimo išvados rodo, kad mašininio mokymosi technologija galėtų būti papildoma sprendimų palaikymo priemonė vertinant depresiją.
Šaltiniai:
Mazuras, A., ir kt. (2025) AI pagrįsto balso biologinio žymeklio įrankio, skirto aptikti signalus, atitinkančius vidutinę ir sunkią depresiją, įvertinimas. Šeimos medicinos metraščiai. doi.org/10.1370/afm.240091.