Sztuczne sieci neuronowe w wykrywaniu schizofrenii i autyzmu

Nadrzędna kategoria: Wiadomości Naukowe

Naukowcy wykorzystali zdobycze sztucznej inteligencji w psychologii klinicznej i zbadali zastosowanie sztucznych sieci neuronowych w celu wykrywania schizofrenii oraz autyzmu. Wśród autorów opracowania w periodyku „Cognitive Computation” na ten temat są badacze z Instytutu Podstaw Informatyki PAN i Instytutu Psychologii PAN.

david-matos-xtLIgpytpck-unsplash.jpg

Naukowcy przyjrzeli się możliwościom automatycznego wykrywania zaburzeń ze spektrum autyzmu i schizofrenii. Badali efektywność kilku podstawowych podejść, np. bag-of-words i metod słownikowych, a następnie uczenia maszynowego.

Autorami pracy w „Cognitive Computation” są dr Aleksander Wawer z Instytutu Podstaw Informatyki PAN, dr hab. Łukasz Okruszek i dr Justyna Sarzyńska-Wawer z Instytutu Psychologii PAN oraz dr Izabela Chojnicka z Wydziału Psychologii UW.

Naukowcy wykorzystali dane tekstowe uzyskane w wywiadach przeprowadzanych przy użyciu narzędzi diagnostycznych standardowo wykorzystywanych przez klinicystów, a następnie zastosowali na nich wyselekcjonowane metody uczenia głębokiego do reprezentacji tekstu i wnioskowania. Ze względu na niewielką ilość danych, typową dla badań na grupach klinicznych, skupili się na efektywności metod opartych o uczenie maszynowe typu few-shot learning (trenowanie modelu uczącego się na małych zbiorach danych).

Skuteczność tego typu metod w rozróżnianiu osób zdrowych od osób cierpiących na schizofrenię lub zaburzenia ze spektrum autyzmu została porównana ze skutecznością klinicystów posługujących się testami diagnostycznymi oraz psychiatrów.

Metody automatyczne uzyskały najwyższą dokładność. Uczenie maszynowe typu few-shot learning według badaczy może przynieść obiecujące rezultaty w rozpoznawaniu schizofrenii na podstawie tekstu, co wydaje się istotne.

Psychiatria jest jedną z tych dziedzin medycyny, w których diagnoza większości zaburzeń bazuje na subiektywnej ocenie psychiatry i w których brakuje obiektywnych i automatycznych narzędzi wspomagających diagnostykę.

Artykuł „Single and Cross-Disorder Detection for Autism and Schizophrenia” w piśmie „Cognitive Computation”