AI kan forudsige psykoserisiko i dagligdagen
Folks sprog kunne afsløre spor om deres fremtidige risiko for at udvikle psykose. Forskere konkluderede dette efter at have studeret de subtile træk ved folks daglige tale.
Forskere ved Emory University i Atlanta, GA og Harvard University i Boston, MA, brugte en maskinindlæringsteknik til at analysere sprog i en gruppe unge udsatte.
De fandt ud af, at de kunne forudsige, hvilke personer der fortsatte med at udvikle psykose med en nøjagtighed på 93%.
En nylig npj skizofreni studiepapir beskriver, hvordan holdet udviklede og testede metoden.
Seniorforfatter Phillip Wolff, professor i psykologi ved Emory University, forklarer, at tidligere forskning allerede havde fastslået, at "subtile træk ved fremtidig psykose er til stede på folks sprog." Han bemærkede imidlertid, "vi har brugt maskinindlæring til faktisk at afdække skjulte detaljer om disse funktioner."
Han og hans kolleger udtænkte deres maskinlæringsmetode til at måle to sproglige variabler: semantisk tæthed og brug af ord, der vedrører lyd.
De konkluderede, at "konvertering til psykose signaliseres af lav semantisk tæthed og tale om stemmer og lyde."
Lav semantisk tæthed er et mål for, hvad holdet omtaler som "fattigdom af indhold" eller uklarhed.
"Dette arbejde," bemærker forfatterne, "er et bevis på konceptundersøgelse, der viser, at indikatorer for fremtidig mental sundhed kan udvindes fra folks naturlige sprog ved hjælp af beregningsmetoder."
Maskinindlæring og psykosesymptomer
Maskinindlæring er en type kunstig intelligens, hvor computere ”lærer af erfaring” uden at forskere behøver at programmere læringen eksplicit.
Et maskinlæringssystem søger efter mønstre i et kendt datasæt og beslutter, hvilke mønstre der identificerer specifikke funktioner. Efter at have ”lært”, hvad disse funktioner er, kan det utrætteligt identificere dem i et nyt datasæt.
Maskinindlæring kan få øje på mønstre i folks brug af sprog, som selv læger, der har gennemgået uddannelse til at diagnosticere og behandle dem, der er i fare for psykose, måske ikke bemærker.
”At forsøge at høre disse finesser i samtaler med mennesker er som at prøve at se mikroskopiske bakterier med dine øjne,” forklarer den første studieforfatter Neguine Rezaii, en stipendiat i Neurologiafdelingen ved Harvard Medical School.
Det er dog muligt at bruge maskinindlæring til at finde bestemte subtile mønstre, der gemmer sig på folks sprog. ”Det er som et mikroskop til advarselstegn på psykose,” tilføjer hun.
Rezaii begyndte at arbejde på undersøgelsen, mens hun var bosiddende i Institut for Psykiatri og Adfærdsvidenskab ved Emory University School of Medicine.
Psykose er en sindstilstand, hvor det kan være svært at se forskellen mellem hvad der er reelt og hvad der ikke er.
Når en person kommer ind i denne sindstilstand, kalder læger det en psykotisk episode. Under en sådan episode oplever folk forstyrrede opfattelser og tanker. Vrangforestillinger og hallucinationer er almindelige symptomer på psykose.
Under en psykotisk episode kan en person vise upassende opførsel eller tale usammenhængende. Derudover kan de opleve søvnforstyrrelser og blive socialt tilbagetrukne, deprimerede og ængstelige.
I USA vil ca. 3% af befolkningen opleve en periode med psykose i løbet af deres levetid, ifølge tal fra National Institute of Mental Health, som er et af National Institutes of Health (NIH).
Forbedring af tidlig diagnose af psykoserisiko
Psykose er et kendetegn for skizofreni og andre alvorlige psykiske helbredstilstande.
Advarselstegn på psykose begynder normalt i midten til slutningen af teenageår med en klynge af psykosesymptomer, som læger beskriver som prodromalt syndrom.
Cirka 25-30% af teenagere, der udvikler prodromalt syndrom, vil udvikle en psykotisk sygdom såsom skizofreni.
Fra interviews og test af kognitiv evne kan læger med passende træning normalt forudsige, hvilke mennesker med prodromalt syndrom, der fortsætter med at udvikle psykose med en nøjagtighed på omkring 80%.
Forskere prøver forskellige tilgange for at forbedre denne forudsigelsesrate og gøre diagnoseprocessen mere nøjagtig og ligetil. Maskinindlæring er en af disse tilgange.
Prof. Wolff og hans team begyndte deres undersøgelse med at få deres maskinlæringssystem til at identificere sprognormerne i den daglige samtale.
De fodrede systemet online samtaler fra 30.000 brugere af Reddit. Reddit er en online nyhed, indholdsklassificering og diskussionsplatform, hvor registrerede brugere kan tale om forskellige emner.
Holdet brugte Word2Vec-software til at analysere individuelle ord i samtalen. Softwaren kortlægger ord, så de, der har lignende betydninger, er tæt på hinanden i "semantisk rum", mens de, der har meget forskellige betydninger, er langt væk fra hinanden.
Forskerne tilføjede endnu et program til systemet for at udvide dets evne til at analysere semantik. Tidligere undersøgelser har begrænset denne analyse til at måle semantisk sammenhæng, som ser på, hvordan folk bruger ord på tværs af sætninger.
Semantisk tæthed går dog et skridt videre og vurderer også, hvordan folk organiserer deres ord i sætninger. Holdet antyder, at dette er en bedre indikator for de mentale processer, som folk bruger til at danne sætninger.
Efter træning af maskinlæringssystemet til at etablere en "normal basislinje" fodrede holdet det derefter samtalerne fra diagnostiske interviews med 40 deltagere i den nordamerikanske Prodrome Longitudinal Study (NAPLS).
NAPLS er et 14-årigt projekt, der har flere websteder, der har til formål at forbedre lægenes evne til at diagnosticere unge mennesker, der kan være i fare for at udvikle psykose og forstå årsagerne.
Holdet sammenlignede derefter maskinlæringsanalysen af NAPLS-samtalerne med basisdataene. De sammenlignede det også med opfølgningsdata, der viste, hvilke deltagere der fortsatte med at udvikle psykose.
Resultaterne afslørede, at deltagere, der senere udviklede psykose, havde en tendens til at bruge flere lydrelaterede ord end basislinjen, og de brugte også ord med lignende betydning oftere.
”Hvis vi kan identificere personer, der er i fare tidligere og bruger forebyggende indgreb,” forklarer medforfatter Prof. Elaine Walker, “kan vi muligvis vende underskuddet.”
”Der er gode data, der viser, at behandlinger som kognitiv adfærdsterapi kan forsinke starten og måske endda reducere forekomsten af psykose,” tilføjer hun.
Holdet sammensætter nu mere omfattende samlinger af data og planlægger at teste den nye maskinlæringsteknik med andre hjerne- og psykiatriske tilstande, såsom demens.
"Denne forskning er interessant ikke kun for dens potentiale til at afsløre mere om psykisk sygdom, men for at forstå, hvordan sindet fungerer - hvordan det sætter ideer sammen."
Prof. Phillip Wolff
