Η κατάθλιψη αποτελεί μια μάστιγα της σύγχρονης κοινωνίας και πλήττει όλες τις ηλικίες. Όπως πάντα, η έγκαιρη διάγνωση μπορεί να βοηθήσει, αλλά όπως συμβαίνει συνήθως με ψυχικές διαταραχές, είναι δύσκολο να εντοπιστεί. Για άλλη μια φορά η τεχνολογία έρχεται για να βοηθήσει.
Οι αλγόριθμοι μηχανικής μάθησης που επιτρέπουν στα smartphones να εντοπίζουν πρόσωπα ή να ανταποκρίνονται στις φωνές μας θα μπορούσαν να βοηθήσουν στην παροχή ενός καθολικού και χαμηλού κόστους τρόπου εντοπισμού των πρώτων ενδείξεων και της λήψης θεραπείας όπου χρειάζεται.
Σε μια μελέτη που πραγματοποιήθηκε από μια ομάδα στο Πανεπιστήμιο του Στάνφορντ, οι επιστήμονες διαπίστωσαν ότι το λογισμικό προσώπου και ομιλίας μπορεί να εντοπίσει σημάδια κατάθλιψης με κάποια λογική ακρίβεια.
Οι ερευνητές τροφοδότησαν βίντεο από άτομα με και χωρίς κατάθλιψη σε ένα μοντέλο μηχανικής μάθησης το οποίο εκπαιδεύτηκε για να μάθει μέσα από ένα συνδυασμό ενδείξεων: εκφράσεις του προσώπου, τόνος φωνής και συγκεκριμένες λέξεις. Τα δεδομένα συλλέχθηκαν από συνεντεύξεις στις οποίες ένας ασθενής μίλησε σε ένα avatar που ελεγχόταν από έναν γιατρό.
Κατά τη δοκιμή, το σύστημα κατάφερε να ανιχνεύσει αν κάποιος παρουσίαζε σημάδια κατάθλιψης από το 80% του χρόνου της συνέντευξης. Η έρευνα διεξήχθη από τη Fei-Fei Li, εξέχοντα εμπειρογνώμονα στο χώρο του AI που επέστρεψε στο Πανεπιστήμιο Στάνφορντ από την Google.
Ενώ το project βρίσκεται ακόμα σε πρώιμο στάδιο, οι ερευνητές προτείνουν ότι θα μπορούσε κάποια μέρα να προσφέρει έναν ευκολότερο τρόπο για τους ανθρώπους να διαγνωσθούν και να βοηθηθούν.
Οι προοπτικές είναι σημαντικές, καθώς σε σύγκριση με τις σωματικές ασθένειες, οι ψυχικές διαταραχές είναι πιο δύσκολο να εντοπιστούν. Η επιβάρυνση της ψυχικής υγείας επιδεινώνεται από τα εμπόδια στην περίθαλψη όπως το κοινωνικό στίγμα, το οικονομικό κόστος και την έλλειψη προσιτών θεραπευτικών επιλογών. Η συγκεκριμένη τεχνολογία θα μπορούσε να αναπτυχθεί σε κινητά τηλέφωνα σε όλο τον κόσμο και να διευκολύνει την καθολική πρόσβαση χαμηλού κόστους στις ψυχικές φροντίδα υγείας.