211service.com
Depressie detector
Illustratie van een persoon met een tekstballon met daarin een brein. Mevr. techniek; Gezichtsprofiel door Marek Polakovic, SK | zelfstandig naamwoord project
Om depressie te diagnosticeren, interviewen clinici patiënten en stellen specifieke vragen, bijvoorbeeld over vroegere psychische aandoeningen, levensstijl en stemming.
Machine learning dat woorden en intonaties kan detecteren die verband houden met depressie, kan helpen bij diagnostiek. Maar dergelijke modellen hebben de neiging om depressie te voorspellen op basis van de specifieke antwoorden van de persoon op zeer specifieke vragen.
Een nieuw neuraal netwerkmodel dat aan het MIT is ontwikkeld, kan worden losgelaten op onbewerkte tekst en audiogegevens van interviews om spraakpatronen te ontdekken die wijzen op depressie. Gegeven een nieuw onderwerp, kan het nauwkeurig voorspellen of het individu depressief is zonder enige andere informatie over de vragen en antwoorden nodig te hebben.
Het model ziet opeenvolgingen van woorden of spreekstijlen en stelt vast dat deze patronen vaker voorkomen bij mensen die depressief zijn of niet, zegt EECS-afgestudeerde student en CSAIL-onderzoeker Tuka Alhanai, SM '14, eerste auteur van een paper gepresenteerd op de Interspeech-conferentie. Als het vervolgens dezelfde reeksen ziet bij nieuwe onderwerpen, kan het voorspellen of ze ook depressief zijn.
Dit onderzoek zou kunnen leiden tot hulpmiddelen om tekenen van depressie in natuurlijke gesprekken te detecteren. Apps die gebruikers waarschuwen voor tekenen van nood in hun tekst- en spraakcommunicatie, kunnen bijvoorbeeld nuttig zijn voor degenen die vanwege de afstand, de kosten of het gebrek aan bewustzijn dat er iets mis kan zijn, niet naar een arts kunnen gaan voor een diagnose. De technologie kan ook helpen bij het identificeren van mentale problemen tijdens informele gesprekken in klinische kantoren. —