Нейросеть научили диагностировать депрессию по речи пациента
Американские разработчики из Массачусетского технологического института создали метод автоматической диагностики депрессии по устной речи. Подход основан на использовании нейросети, натренированной на беседах с пациентами с депрессией и со здоровыми людьми. Точность диагностики с использованием предложенного метода составила 77 процентов. Авторы отмечают, что алгоритм контекстно-свободный и диагностика может быть проведена на любом достаточно полном фрагменте речи пациента, вне зависимости от темы разговора. Препринт статьи с результатами исследований выложен на сайте института.
Обычно диагностика депрессии проходит с помощью бесед с психиатром, которые включают в себя стандартные вопросы об истории психических расстройств и зависимостей в семье и динамике настроений и самочувствия пациента за определенный период. Согласно МКБ-10, депрессивный эпизод характеризуется пониженным настроением, неспособностью радоваться и получать удовольствие, потерей интереса к привычным видам деятельности, усталостью, проблемами с аппетитом (или его потерей, или наоборот — перееданием) и сном (гиперсомнией или бессонницей). Распознать пониженное настроение и потерю интереса при этом не так просто: часто пациенты могут, к примеру, отрицать наличие проблемы или не любить говорить о себе и своих чувствах. В этом случае диагностировать депрессию (или другое аффективное расстройство) может только очень опытный специалист.
Разумеется, существуют и стандартизированные методы диагностики депрессии. Так, с 60-х годов прошлого века для этого применяют шкалу депрессии Бека, для самостоятельной диагностики используется аналогичная шкала Занга, а Американская психологическая ассоциация уже несколько десятков лет разрабатывает и дополняет Опросник здоровья пациента (Patient Health Questionnaire — PHS).
С развитием технологий искусственного интеллекта появилась возможность автоматической диагностики психических заболеваний. Чаще всего материалом для диагностики служит устная речь пациента: например, зимой этого года исследователи придумали метод диагностики психоза. Сейчас исследователи из Массачусетского технологического института под руководством Джеймса Гласса (James Glass) разработали аналогичный алгоритм и для распознавания депрессии. Для этого они взяли данные из DAIC (Distress Analysis Interview Corpus) — корпуса интервью с людьми с симптомами депрессиями, а также здоровыми людьми. Всего ученые использовали беседы со 142 участниками, психическое состояние которых было заранее известно на основе результатов опросника PHQ: из всех использованных записей 20 процентов (это 28 интервью) были проведены с людьми с диагностированной клинической депрессией.
Собранные данные были использованы для обучения нейросети с долгой краткосрочной памятью: такая архитектура хорошо подходит для решения задачи классификации при достаточном количестве исходных параметров. В анализе человеческой речи выбранные параметры зависят от формы разговора (диалога или монолога), а также от того, письменная речь или устная. Для обучения исследователи взяли как аудиозаписи, так и их расшифровки. В первом случае учитывались пространственные и временные параметры речи: паузы, высота голоса и среднее время, потраченное на произнесение одного слова, — а во втором были построены векторные модели произнесенного, по которым потом вычислялись самые частотные слова и словосочетания, употребляемые людьми с разным диагнозом. На основе этих параметров нейросеть выдавала «диагноз» — балл от 0 до 27: оценка в промежутке от 0 до 4 означала отсутствие депрессивных симптомов, а от 20 до 27 — тяжелую депрессию.
Для тестирования исследователи использовали 47 интервью людей с разным диагнозом. Полнота (доля правильно распознанных объектов из числа всех положительных) диагноза составила 83 процента, а точность (доля правильно распознанных объектов из всех распознанных) — 71 процент. Средняя точность автоматической диагностики составила 77 процентов. Интересно, что эффективность диагностики зависела от входных данных: для того, чтобы поставить диагноз на основе текста, достаточно было семи реплик, а диагностика по аудио требовала тридцати.
Разработанный алгоритм — не первый в автоматической диагностике депрессии по речи пациентов. Однако по словам авторов это первый контекстно-свободный алгоритм: при обучении нейросети исследователи не учитывали то, на какие именно вопросы и реплики отвечали участники. Этот подход, таким образом, может быть использован для диагностики аффективных расстройств по любому разговору — необязательно в формате общения пациента с врачом.
На протяжении последних тридцати пяти лет самые популярные методы лечения депрессии — психотерапия и препараты, работающие по принципу селективного ингибирования обратного захвата серотонина (СИОЗС). Однако предсказать эффективность каждого из них для отдельного пациента не так просто: тем не менее, недавно ученые научились делать это с помощью анализа данных электроэнцефалограммы головного мозга.
Елизавета Ивтушок
Это левая и правая вентромедиальная префронтальная кора
Исследователи из Великобритании, Германии, Ирландии, Китая, США и Франции пришли к выводу, что инициация курения табака у подростков связана с дефицитом серого вещества в вентромедиальной префронтальной коре левого полушария мозга, а закрепление пристрастия к нему — с аналогичным явлением в правом полушарии. Отчет о работе опубликован в журнале Nature Communications. Употребление никотина, особенно в форме табакокурения, представляет собой самую распространенную форму зависимого (аддиктивного) поведения и ведущую причину смертности взрослых в мире. По оценкам, к 2030 году с ним будет связано более восьми миллионов смертей ежегодно. Курение табака в детстве связано с психическими заболеваниями и ухудшением когнитивных функций, что может быть связано с его влиянием на развитие мозга. Большая часть постоянных курильщиков приобретает зависимость от никотина в возрасте до 18 лет, и именно ее преодолеть сложнее всего. Таким образом, недоформированная зависимость у подростков может служить потенциальной мишенью для эффективной терапии, но для этого необходимо понимать биологические механизмы начала курения и закрепления пристрастия к табаку. Тревор Роббинс (Trevor Robbins) и Цзяньфэн Фэн (Jianfeng Feng), аффилированные с Университетом Фудань, Кембриджским и Уорикским университетами, и их коллеги включили в работу 807 участников (55 процентов женского пола) проспективного мультицентрового лонгитюдного исследования здоровых подростков IMAGEN из Великобритании, Германии, Ирландии и Франции. В возрасте 14, 19 и 23 лет их опрашивали на предмет табакокурения (хотя бы раз пробовавших относили к курильщикам) и выполняли им МРТ мозга с повоксельным картированием. Также они заполняли опросники по темпераменту и характеру (TCI-R) и личностной склонности к употреблению веществ (SURPS), а также проходили ряд тестов на физическое, психическое и когнитивное развитие. 181 участник пробовал курить табак до 14 лет, из них 87 — однажды или дважды. 166 из этих 181 продолжали курить к 19 годам, причем с возрастающей частотой. К этому возрасту попробовали табак еще 366 добровольцев, остальные 260 вошли в контрольную группу. Лишь 11 и 58 участников соответственно курили в возрасте 14 и 19 лет ежедневно. Тем не менее, 134 из 181 и 280 из 366 в этих возрастах сообщили о курении в течение 30 дней, предшествовавших опросу. Данные по 23-летнему возрасту использовали для валидации. Выяснилось, что объем серого вещества в левой вентромедиальной префронтальной коре (вмПФК) в 14-летнем возрасте значимо ниже у тех, кто попробовал табак и в 14, и в 19 лет. И у тех, и у других наблюдалось ускоренное снижение объема серого вещества в правой вмПФК, причем те, кто начал курить между 14 и 19 годами, по этому объему в 14 лет не отличались от некурящих. В 23 года ускоренная потеря серого вещества в правой ВМПФК присутствовала у тех, кто продолжал курить, то есть она начиналась после знакомства с табаком и, вероятно, связана с его влиянием. При этом снижение объема левой вмПФК было связано с поиском новизны, несобранностью и склонностью нарушать правила (по TCI-R), а правой вмПФК — с поиском острых ощущений (по SURPS). Проведя дополнительный лонгитюдный анализ и менделевскую рандомизацию, авторы работы заключили, что снижение объема левой вмПФК может быть наследственным фактором снижения когнитивных функций и, как следствие, поведенческой расторможенности, повышающей риск начала табакокурения в младшем возрасте. В ходе формирования зависимости уменьшается объем правой вмПФК, что снижает контроль восприятия и управления желаниями под влиянием гедонической мотивации. Подобная концепция помогает понять нейробиологические и поведенческие механизмы инициации и поддержания аддиктивного поведения у подростков, а значить, помочь в разработке мер его профилактики и лечения, считают исследователи. Ранее злоупотребление табаком и алкоголем, как и другие формы рискованного поведения у подростков связывали с внешним локусом контроля (стремлением человека искать объяснения происходящему с собой в окружающей среде) и даже обычным недосыпом. Также было показано, что химический анализ волос и конфиденциальный опрос выявляют примерно одинаковую долю подростков, употребляющих алкоголь, никотин и другие психоактивные вещества. Однако результаты этих методов практически не совпадают, так что, если их суммировать, эта доля почти удвоится.