يمكن للذكاء الاصطناعي التنبؤ بمخاطر الذهان في اللغة اليومية

يمكن أن تكشف لغة الناس عن أدلة حول مخاطر الإصابة بالذهان في المستقبل. استنتج العلماء هذا بعد دراسة السمات الدقيقة لخطاب الناس اليومي.

يمكن أن تشير الاختلافات الطفيفة في استخدام الكلمات إلى خطر الإصابة بالذهان ، ويمكن أن يساعد التعلم الآلي في التعرف عليه.

استخدم الباحثون في جامعة إيموري في أتلانتا ، جورجيا ، وجامعة هارفارد في بوسطن ، ماساتشوستس ، تقنية التعلم الآلي لتحليل اللغة في مجموعة من الشباب المعرضين للخطر.

ووجدوا أنه يمكنهم التنبؤ بأي من الأفراد سيصابون بالذهان بدقة تصل إلى 93٪.

حديثا الفصام تصف ورقة الدراسة كيف طور الفريق الطريقة واختبرها.

يوضح مؤلف الدراسة الكبير فيليب وولف ، أستاذ علم النفس في جامعة إيموري ، أن الأبحاث السابقة قد أثبتت بالفعل أن "السمات الدقيقة للذهان المستقبلي موجودة في لغة الناس". ومع ذلك ، أشار ، "لقد استخدمنا التعلم الآلي للكشف فعليًا عن التفاصيل المخفية حول هذه الميزات".

ابتكر هو وزملاؤه نهج التعلم الآلي الخاص بهم لقياس متغيرين لغويين: الكثافة الدلالية واستخدام الكلمات المتعلقة بالصوت.

وخلصوا إلى أن "التحول إلى الذهان يشير إلى انخفاض الكثافة الدلالية والحديث عن الأصوات والأصوات".

الكثافة الدلالية المنخفضة هي مقياس لما يشير إليه الفريق على أنه "فقر المحتوى" أو الغموض.

لاحظ المؤلفون أن "هذا العمل هو دليل على دراسة المفاهيم التي توضح أن مؤشرات الصحة العقلية المستقبلية يمكن استخلاصها من اللغة الطبيعية للناس باستخدام الأساليب الحسابية."

تعلم الآلة وأعراض الذهان

التعلم الآلي هو نوع من الذكاء الاصطناعي حيث "تتعلم أجهزة الكمبيوتر من التجربة" دون أن يضطر العلماء إلى برمجة التعلم بشكل صريح.

يبحث نظام التعلم الآلي عن الأنماط في مجموعة معروفة من البيانات ويقرر الأنماط التي تحدد ميزات معينة. بعد أن "تعلمت" ماهية هذه الميزات ، يمكنها بعد ذلك تحديدها بلا كلل في مجموعة جديدة من البيانات.

يمكن أن يكتشف التعلم الآلي أنماطًا في استخدام الأشخاص للغة والتي قد لا يلاحظها حتى الأطباء الذين خضعوا للتدريب لتشخيص وعلاج الأشخاص المعرضين لخطر الإصابة بالذهان.

توضح مؤلفة الدراسة الأولى Neguine Rezaii ، وهي زميلة في قسم طب الأعصاب في كلية الطب بجامعة هارفارد: "إن محاولة سماع هذه التفاصيل الدقيقة في المحادثات مع الناس يشبه محاولة رؤية الجراثيم المجهرية بأعينك".

ومع ذلك ، من الممكن استخدام التعلم الآلي للعثور على بعض الأنماط الدقيقة المختبئة في لغة الناس. وتضيف: "إنه مثل المجهر لعلامات التحذير من الذهان".

بدأت رضائي العمل في الدراسة بينما كانت مقيمة في قسم الطب النفسي والعلوم السلوكية في كلية الطب بجامعة إيموري.

الذهان حالة ذهنية يصعب فيها التمييز بين ما هو حقيقي وما هو غير حقيقي.

عندما يدخل الشخص في هذه الحالة الذهنية ، يسميها الأطباء حلقة ذهانية. خلال مثل هذه الحلقة ، يعاني الناس من تصورات وأفكار مضطربة. الأوهام والهلوسة من الأعراض الشائعة للذهان.

خلال نوبة ذهانية ، قد يظهر الشخص سلوكًا غير لائق أو يتحدث بشكل غير متماسك. بالإضافة إلى ذلك ، قد يعانون من اضطراب النوم ويصبحون منعزلين اجتماعيًا والاكتئاب والقلق.

في الولايات المتحدة ، سيعاني حوالي 3٪ من الأشخاص فترة من الذهان خلال حياتهم ، وفقًا لأرقام المعهد الوطني للصحة العقلية ، وهو أحد المعاهد الوطنية للصحة (NIH).

تحسين التشخيص المبكر لخطر الذهان

الذهان هو السمة المميزة لمرض انفصام الشخصية وغيره من حالات الصحة العقلية الشديدة طويلة الأمد.

تبدأ العلامات التحذيرية للذهان عادةً خلال منتصف سنوات المراهقة إلى أواخرها مع مجموعة من أعراض الذهان التي يصفها الأطباء بالمتلازمة البادرة.

حوالي 25-30٪ من المراهقين الذين يصابون بالمتلازمة البادرية سوف يصابون بمرض ذهاني مثل الفصام.

من خلال المقابلات والاختبارات الخاصة بالقدرة المعرفية ، يمكن للأطباء الحاصلين على التدريب المناسب أن يتنبأوا عادة بالأشخاص الذين يعانون من المتلازمة البادرة لتطوير الذهان بدقة تبلغ حوالي 80٪.

يحاول العلماء أساليب مختلفة لتحسين معدل التنبؤ هذا وجعل عملية التشخيص أكثر دقة ومباشرة. التعلم الآلي هو أحد هذه الأساليب.

بدأ البروفيسور وولف وفريقه دراستهم من خلال جعل نظام التعلم الآلي لديهم يتعرف على المعايير اللغوية للمحادثات اليومية.

قاموا بتغذية محادثات النظام عبر الإنترنت من 30000 مستخدم لـ Reddit. Reddit عبارة عن موقع إخباري على الإنترنت وتقييم المحتوى ومنصة مناقشة حيث يمكن للمستخدمين المسجلين التحدث حول مواضيع مختلفة.

استخدم الفريق برنامج Word2Vec لتحليل الكلمات الفردية في المحادثة. يقوم البرنامج بتعيين الكلمات بحيث تكون الكلمات التي لها معاني متشابهة قريبة من بعضها البعض في "الفضاء الدلالي" ، في حين أن تلك التي لها معاني مختلفة جدًا تكون بعيدة عن بعضها البعض.

أضاف الباحثون برنامجًا آخر للنظام لتوسيع قدرته على تحليل الدلالات. اقتصرت الدراسات السابقة هذا التحليل على قياس التماسك الدلالي ، والذي يبحث في كيفية استخدام الناس للكلمات عبر الجمل.

ومع ذلك ، فإن الكثافة الدلالية تذهب إلى أبعد من ذلك وتقوم أيضًا بتقييم كيفية تنظيم الأشخاص لكلماتهم في جمل. يقترح الفريق أن هذا مؤشر أفضل للعمليات العقلية التي يستخدمها الناس لتكوين الجمل.

بعد تدريب نظام التعلم الآلي على إنشاء "خط أساس طبيعي" ، قام الفريق بعد ذلك بتزويده بالمحادثات من المقابلات التشخيصية لـ 40 مشاركًا في دراسة أمريكا الشمالية Prodrome Longitudinal Study (NAPLS).

NAPLS هو مشروع متعدد المواقع يمتد على 14 عامًا ويهدف إلى تحسين قدرة الأطباء على تشخيص الشباب الذين قد يكونون معرضين لخطر الإصابة بالذهان وفهم الأسباب.

ثم قارن الفريق تحليل التعلم الآلي لمحادثات NAPLS مع البيانات الأساسية. وقارنوها أيضًا ببيانات المتابعة التي أظهرت المشاركين الذين أصيبوا بالذهان.

كشفت النتائج أن المشاركين الذين طوروا الذهان فيما بعد يميلون إلى استخدام كلمات ذات صلة بالصوت أكثر من خط الأساس ، كما استخدموا كلمات ذات معنى مشابه بشكل متكرر.

توضح المؤلفة المشاركة البروفيسور إيلين والكر: "إذا تمكنا من تحديد الأفراد المعرضين للخطر في وقت مبكر واستخدام التدخلات الوقائية ، فقد نتمكن من عكس أوجه العجز".

وتضيف: "هناك بيانات جيدة تظهر أن علاجات مثل العلاج السلوكي المعرفي يمكن أن تؤخر ظهور الذهان وربما تقلل من حدوث الذهان".

يقوم الفريق الآن بتجميع مجموعات أكثر شمولاً من البيانات والخطط لاختبار تقنية التعلم الآلي الجديدة مع حالات الدماغ والحالات النفسية الأخرى ، مثل الخرف.

"هذا البحث مثير للاهتمام ليس فقط لقدرته على الكشف عن المزيد عن الأمراض العقلية ولكن لفهم كيفية عمل العقل - كيف يجمع الأفكار معًا."

البروفيسور فيليب وولف