韩国国立大学研究人员利用人工智能诊断抑郁症

抑郁症是最常见的精神疾病之一。全球有多达2.8亿人受到这种疾病的影响，这就是为什么考纳斯理工大学（KTU）的研究人员开发了一种人工智能（AI）模型，可以根据语言和大脑神经活动来帮助识别抑郁症。这种结合了两种不同数据来源的多模式方法，可以对一个人的情绪状态进行更准确和客观的分析，为抑郁症诊断的新阶段打开了大门。

　　

抑郁症是最常见的精神疾病之一。2.8亿年的人都受到这种疾病的影响，这就是为什么考纳斯理工大学（KTU）的研究人员开发了一种人工智能（AI）模型，可以根据语言和大脑神经活动来帮助识别抑郁症。这种结合了两种不同数据来源的多模式方法，可以对一个人的情绪状态进行更准确和客观的分析，为抑郁症诊断的新阶段打开了大门。

“抑郁症是最常见的精神障碍之一，对个人和社会都有毁灭性的后果，所以我们正在开发一种新的，更客观的诊断方法，将来每个人都可以使用，”KTU教授，该发明的作者之一Rytis Maskeliūnas说。

科学家们认为，虽然大多数抑郁症诊断研究传统上依赖于单一类型的数据，但新的多模式方法可以提供有关一个人情绪状态的更好信息。

利用声音和大脑活动数据的精准度令人印象深刻

这种语言和大脑活动数据的结合在诊断抑郁症方面达到了令人印象深刻的97.53%的准确率，明显优于其他方法。“这是因为声音为研究增加了我们还不能从大脑中提取的数据，”Maskeliūnas解释说。

据参与这项发明的KTU博士生Musyyab Yousufi说，数据的选择是经过仔细考虑的：“虽然人们相信，面部表情可能会更多地揭示一个人的心理状态，但这是很容易被伪造的数据。我们之所以选择声音，是因为它能微妙地揭示一种情绪状态，这种诊断会影响说话的节奏、语调和整体能量。”

此外，与脑电图（EEG）或语音数据不同，人脸可以在一定程度上直接识别一个人的严重状态。“但我们不能侵犯患者的隐私，而且，从几个来源收集和组合数据更有希望进一步使用，”KTU信息学学院（IF）的教授说。

Maskeliūnas强调使用的脑电图数据集是从精神障碍分析多模态开放数据集（MODMA）获得的，因为KTU研究小组代表计算机科学而不是医学科学领域。

在参与者清醒、休息和闭上眼睛的情况下，收集并记录5分钟的MODMA脑电图数据。在实验的音频部分，患者参加了一个问答环节和几个以阅读和描述图片为重点的活动，以捕捉他们的自然语言和认知状态。

人工智能需要学习如何证明诊断的合理性

收集到的脑电图和音频信号被转换成频谱图，使数据可视化。使用特殊的噪声滤波器和预处理方法使数据无噪声和可比性，并使用改进的DenseNet-121深度学习模型来识别图像中的抑郁迹象。每个图像反射的信号随时间变化。脑电图显示了大脑活动的波形，声音显示了频率和强度分布。

该模型包括一个定制的分类层，经过训练可以将数据分为健康人群和抑郁人群。评估分类成功，然后评估应用程序的准确性。

未来，这种人工智能模型可以加快抑郁症的诊断速度，甚至可以使其远程化，并降低主观评估的风险。这需要进一步的临床试验和对该方案的改进。然而，Maskeliūnas补充说，研究的后一个方面可能会带来一些挑战。

他说：“这些研究的主要问题是缺乏数据，因为人们倾向于对自己的心理健康问题保持隐私。”

KTU多媒体工程系教授提到的另一个重要方面是，需要改进算法，使其不仅准确，而且还向医疗专业人员提供导致这一诊断结果的信息。“算法仍然需要学习如何以一种可理解的方式解释诊断，”Maskeliūnas说。

全教工的一位教授表示：“在医疗保健、金融、法律等领域，对直接影响人们的人工智能解决方案的需求正在增加，因此类似的要求也越来越普遍。”

这就是为什么可解释的人工智能（XAI），旨在向用户解释为什么模型会做出某些决定，并增加他们对AI的信任，现在正在获得动力。