تحولات هوش مصنوعی در مراقبت از سلامت روان/ ردیابی خبرگزاری علم و فناوری - تحولات هوش مصنوعی در مراقبت از سلامت روان/ ردیابی بیماران با کمک هوش مصنوعی

تحولات هوش مصنوعی در مراقبت از سلامت روان/ ردیابی بیماران با کمک هوش مصنوعی

پیشرفت‌های قابل توجه هوش مصنوعی به زودی بر نحوه اعمال مراقبت‌های سلامت روان در محیط‌های کلینیکی روزمره تأثیر می‌گذارد.

به گزارش خبرنگار حوزه علم، فناوری و دانش‌بنیان گروه دانشگاه خبرگزاری آنا، پیشرفت‌های هوش مصنوعی، کامپیوترهایی را برای کمک به پزشکان در تشخیص بیماری و کمک به غربالگری علائم حیاتی بیماران از هر منطقه، در نظر گرفته است. پیشرفت‌های قابل‌توجهی در هوش مصنوعی حاصل شده است که به‌زودی بر نحوه اعمال مراقبت‌های بهداشت روان در محیط‌های کلینیکی روزمره تأثیر می‌گذارد. درنتیجه این موضوع درمان‌های فردی و یکپارچه سنتی و مدرن بهبود خواهد یافت، روش‌های پزشکی جایگزین، به‌تدریج قابل دوام تر می‌شوند، داروهای مقرون‌به‌صرفه تری برای بسیاری از موضوعات سلامت روان ایجاد خواهد شد، و نتایج بهبود خواهد یافت.

در اروپا، سازمان بهداشت جهانی ارزیابی كرد كه ۴۴,۳ میلیون نفر از افسردگی رنج می‌برند و ۳۷.۳ میلیون نفر از اضطراب رنج  می‌برند. بریتا الوویگ پزشک علوم اعصاب شناختی از دانشگاه ترومسو نروژ، می‌گوید: تشخیص اختلالات سلامت روان به روش قدیمی می‌تواند ذهنی و غیرقابل‌اعتماد باشد.

الوویگ اظهار داشت که مردم عالی و کامل نیستند. دهن آن‌ها می‌تواند مشغول شود و گاه‌وبیگاه نشانه‌های گفتاری لطیف و علائم هشداردهنده را منتقل کنند. متأسفانه، آزمایش خون عینی‌ای برای سلامت روان وجود ندارد. الوویگ و فولتز برای ایجاد نوآوری در یادگیری ماشین همکاری کردند که به‌طورقطع می‌تواند تغییرات روزمره در گفتار را که اشاره به سلامتی ذهنی دارد کاهش دهد.

به‌عنوان‌مثال، جملاتی که از یک الگوی سازگار پیروی نمی‌کنند می‌توانند یک ظهور اساسی در اسکیزوفرنی باشند. تغییر در لحن یا سرعت حرف زدن می‌تواند نشان‌دهنده تنهایی یا افسردگی باشد، و از دست دادن حافظه می‌تواند نشانه‌ای از مشکلات شناختی و سلامت روان باشد. زبان راهی مهم برای شناخت حالات روحی بیمار است. با استفاده از تلفن‌های همراه و هوش مصنوعی، ما می‌توانیم بیماران را روزانه ردیابی کرده و این تغییرات ساده را غربال کنیم.

بعداً، بیماران ممکن است با بازوی شکسته شده به کلینیک پزشکی بروند و علاوه بر گچ گرفتن دست،  به دلیل داشتن خطر خودکشی مجبور به گذراندن دوره روان‌پزشکی لازم باشند. این موضوعی است که تعدادی از محققان با چارچوب هوش مصنوعی روی آن تمرکز می‌کنند تا رفتار افسردگی را زودتر از موعد بدست آورند و به کاهش ظهور اصلاحات شدید روحی کمک کنند.

الگوریتم یادگیری ماشین ساخته‌شده در مرکز پزشکی دانشگاه وندربیلت در ایالت نشویل ایالت متحده، با استفاده از داده‌های بستری در بیمارستان، ازجمله سن، جنس، کد پستی، دارو و تاریخچه شناختی بیمار، برای پیش‌بینی احتمال خودکشی افراد به کار می‌رود. در کارآزمایی‌ها با استفاده از داده‌های جمع‌آوری‌شده از بیش از ۵۰۰۰ بیمار که به دلیل خودآزاری یا اقدام به خودکشی در بیمارستان بستری‌شده‌اند، الگوریتم در پیش‌بینی اینکه آیا شخصی هفته بعد اقدام به خودکشی خواهد کرد ۸۴٪ دقیق عمل کرد، و در پیش‌بینی اینکه آیا طی دو سال آینده شخصی خودکشی می‌کند، ۸۰٪ دقیق عمل کرد.

پیشرفت در تکنیک‌های بزرگ تجزیه‌وتحلیل داده‌ها، به‌زودی به اتوماسیون تحقیقات ادبیات منجر می‌شود و اطلاعاتی باکیفیت بالا در طیف گسترده‌ای از روش‌های پزشکی مکمل و جایگزین ارائه می‌دهد. دریافت داده‌های بزرگ که برای تصمیم‌گیری در پزشکی و مراقبت از سلامت روان مفید است یک مسئله قابل‌توجه است زیرا پرداخت‌کنندگان و تهیه‌کنندگان انواع مختلفی از اطلاعات مخفی راجع به یک بیمار مشابه که اغلب در روش‌های مختلف رمزگذاری شده، دارند.

در داده‌های بزرگ، مرتباً بین دقت در سطح پایین و بینش در مورد مزایای درمان در سطح کامل، یک معامله برقرار است. با ترکیب مجموعه داده‌های بزرگ در مناطق بیشمار، به این مسئله پرداخته شده است؛ به‌عنوان‌مثال، داده‌های تحقیقات بالینی، اطلاعات مربوط به بهبود کیفیت، سوابق الکترونیکی سلامت، و استفاده از آنالیز چند متغیره برای تشخیص گروه‌های بیمار که احتمالاً در زمینه‌های مختلف به داروهای مختلف واکنش نشان دهند.

به همین ترتیب، فیس بوک اجازه می‌دهد تا کاری مشابه در پلتفرم خود انجام شود. مدت‌ها است، این سازمان به کاربران این امکان را داده است تا محتوای خودکشی را گزارش دهند، بااین‌حال، سازمان شبکه‌های اجتماعی بعدازاینکه در سال ۲۰۱۷  چند نفر اقدام به پخش زنده خودکشی‌های خود در فیس بوک کردند، این تلاش‌ها را افزایش داد. حدود یک سال پیش، فیس بوک شامل نوآوری‌های مبتنی بر هوش مصنوعی بود که به‌طور طبیعی پیام‌هایی را با مفاهیم افکار خودکشی را برای مسئولان سازمان ارسال می‌کرد تا بررسی شود. به‌این‌ترتیب، سازمان در حال حاضر از الگوریتم‌ها و گزارش‌های کاربر استفاده می‌کند تا تهدیدات احتمالی خودکشی را نشان دهد.

محققان شرکت‌کننده در یک مطالعه منتشرشده در ژورنال روان‌پزشکی جهانی (World Psychiatry)، از یک کامپیوتر یادگیری ماشینی (هوش مصنوعی) برای توصیف الگوهای گفتاری در مبتلایان به اسکیزوفرنی استفاده کردند و ۸۳٪ در پیش‌بینی زمان وقوع جنون دقیق بودند.

علاوه بر این، در سال ۲۰۱۹، دانشمندان دانشگاه پنسیلوانیا نیز به کمک پردازش زبان طبیعی در مورد اظهارات تنهایی در میان کاربران توییتر تفکر و اندیشه کردند دانشمندان حدود ۴۰۰ میلیون توییت بین سال‌های ۲۰۱۲ تا ۲۰۱۶ در پنسیلوانیا را جمع کردند. آن‌ها کاربرانی را که پست‌های آن‌ها شامل کلمات "تنهایی" یا "تنها" بود، متمایز کردند و آن‌ها را با گروه‌های دیگر مقایسه کردند. دانشمندان  با استفاده از پردازش زبان طبیعی، "موضوعات و الگوهای روزانه پست‌های کاربر، رابطه آن‌ها با نشانگرهای زبانی سلامتی ذهنی را بیان کردند تا ببینند زبان می‌تواند علائمی از تنهایی را پیش‌بینی کند یا خیر.

این اکتشافات نشان می‌دهد که جدول زمانی مربوط به توییتر بیش از ۶۰۰۰ اکانت، با پست‌هایی که کلمات "تنهایی" یا "تنهایی" و همچنین مضامین مربوط به روابط ارتباطی مشکل‌ساز، روابط بین فردی، علائم روانی، استفاده از مواد، تمایل به تغییر و خوردن ناسالم، را شامل می‌شد،  با نشانه‌های زبانی عصبانیت، خشم، افسردگی و اضطراب در ارتباط بودند.

درنتیجه هوش مصنوعی می‌تواند در پیش‌بینی و درمان بسیاری از بیماری‌های سلامت روان مفید واقع شود و راه نجات مدرنی برای مبتلایان به این بیماری‌ها باشد.

زمان انتشار: سه شنبه ۲۹ بهمن ۱۳۹۸ - ۱۱:۱۱:۳۸

شناسه خبر: 85855

دیدگاه ها و نظرات :
نام کامل وارد شود
دقیق و صحیح وارد شود
لطفا فارسی و خوانا باشد
captcha
ارسال
اشتراک گذاری مطالب