Geestelijke gezondheid en neurologische aandoeningen zijn een groeiende epidemie. In de VS, bijna een op de vijf mensen heeft een psychische aandoening.

Toch is er een groeiend tekort aan professionals in de geestelijke gezondheidszorg om deze behoefte adequaat te behandelen. tegen 2025, naar schatting kan de vraag naar psychiaters het aanbod met wel 15 overtreffen, 600 psychiaters. Om clinici met beperkte middelen te helpen het groeiende aantal patiënten te ondersteunen dat behandeling zoekt, het onderzoeksgebied van de computerpsychiatrie past data- en metriekgestuurde benaderingen toe op de psychiatrie om het denken te bestuderen, emotie, en gedrag.

In januari 2017, IBM maakte de gedurfde verklaring dat binnen vijf jaar, gezondheidswerkers zouden AI kunnen toepassen om beter te begrijpen hoe woorden en spraak een duidelijk beeld geven van onze geestelijke gezondheid. Bijna twee jaar later, we zien al veelbelovende vroege resultaten. Vanaf dat moment, het werk en het onderzoek dat we hebben gedaan, hebben onze positie verstevigd:geïndividualiseerde gegevens - van spraak tot woordkeuze tot geschreven tekst en fysiologische indicatoren - in combinatie met AI kunnen de sleutel zijn om gezondheidswerkers te helpen onze eigen geest beter te begrijpen.

Het afgelopen jaar, teams van IBM Research hebben samengewerkt met clinici om het volgende onderzoek in deze ruimte te publiceren, Dit alles demonstreert het potentieel van AI en spraak om professionals te informeren en hen te helpen een gedetailleerder beeld te schetsen van wat er in onze geest gebeurt.

• We hebben vooruitgang geboekt bij het bouwen van AI-algoritmen om clinici te helpen informeren over de mentale toestand van gebruikers op basis van de structurele complexiteit van hun zinnen, die kunnen wijzen op patronen van cognitieve stoornissen.
• We hebben ook bewezen dat AI en machine learning kunnen worden gebruikt om clinici te helpen kritieke taalpatronen te identificeren die bepalen, met 95 procent nauwkeurigheid, spraakmonsters die traditioneel overeenkomen met schizofrene patiënten versus die welke overeenkomen met personen die door gezondheidswerkers of gezonde controles vaker worden geacht een psychose te ervaren. specifiek, veranderingen in de coherentie van het discours (de manier waarop de betekenis tussen zinnen tot stand komt) en de rijkdom van het discours (de context die rond woorden wordt toegevoegd) kunnen een prominente aanwijzing zijn voor schizofrenie.
• We hebben een manier ontwikkeld om machine learning te gebruiken om de analyse van verbale spraak snel te automatiseren en clinici te waarschuwen, met een nauwkeurigheid van meer dan 83 procent, van de mogelijkheid van psychotische episodes binnen cohorten waarvan is vastgesteld dat ze meer kans hebben op psychose, ongeacht het diagnostische protocol. Dit kan van vitaal belang zijn om professionals te helpen psychose te voorspellen voordat de symptomen beginnen te vertonen, omdat subtiele taalveranderingen erop kunnen wijzen, zelfs voordat het volledig is begonnen.

We stellen ons een toekomst voor waarin deze technologieën in de handen van professionals in de geestelijke gezondheidszorg kunnen worden gelegd en hen uiteindelijk in staat stellen hun werk intelligenter te doen, met meer vertrouwen, en met de mogelijkheid om een ​​groeiend aantal patiënten effectief te behandelen met de juiste gegevens binnen handbereik.

Hoewel dit een grote vooruitgang is, dit is nog maar het topje van de ijsberg. We blijven deze technieken verfijnen en verder uitbouwen, en hun gebruik uitbreiden om clinici te helpen een nog breder beeld te krijgen van wat er in de hersenen van een individu kan gebeuren als het gaat om geestelijke gezondheid en neurologische aandoeningen. Hopelijk, gezondheidswerkers zullen binnenkort vaak spraak kunnen gebruiken om de kracht van AI te benutten en beter geïnformeerde diagnoses te stellen.

Dit verhaal is opnieuw gepubliceerd met dank aan IBM Research. Lees hier het originele verhaal.