Araştırmacılara göre, bu hastalıkların belirtilerini klinik teşhisten önce tespit edebilen yapay zeka (AI) ve dünyanın en büyük sosyal medya platformlarından biri olan Twitter kullanılarak kaygı ve depresyon tahmin modelleri oluşturmak için çalışmalar sürüyor.
Brezilya’daki São Paulo Üniversitesi’ndeki (USP) araştırmacılar, modelden elde edilen ön bulguların, yalnızca sosyal medyadaki arkadaşlarına ve takipçilerine dayanarak bir kişinin depresyon geliştirme olasılığını tespit etme olasılığını öne sürdüğünü söyledi.
Bulgular Language Resources and Evaluation dergisinde yayınlandı.
Araştırmacılar, depresyon, anksiyete ve bipolar bozukluğa odaklanan doğal dil işlemeyi (NLP) içeren çok sayıda çalışma olsa da, bunların çoğunun İngilizce metinleri analiz ettiğini ve Brezilyalıların profilleriyle eşleşmediğini söyledi.
Bu çalışmanın ilk adımı, halka açık olarak yayınlanan 47 milyon Portekizce metinden oluşan bir külliyat ve 3.900 Twitter kullanıcısı arasındaki bağlantı ağıyla ilgili bilgilerin SetembroBR adlı bir veritabanının oluşturulmasını içeriyordu. Bu kullanıcılara, anketten önce akıl sağlığı sorunları teşhisi konduğu veya tedavi edildiği bildirildi. Tweetler, COVID-19 salgını sırasında toplandı.
“İlk olarak, bir köy veya küçük kasabanın nüfusuna eşdeğer yaklaşık 19.000 kullanıcının tweet’lerini analiz ederek zaman çizelgelerini manuel olarak topladık.
Raporun son yazarı Ivandre Paraboni, “Daha sonra, biri akıl sağlığı sorunu teşhisi konduğunu bildiren kullanıcılar için, diğeri kontrol amacıyla rastgele seçilen iki veri seti kullandık. Depresyonlu kişiler ile genel popülasyon arasında ayrım yapmak istedik” dedi. makale ve USP’de bir profesör.
Akıl sağlığı sorunları olan insanlar, depresyonlarını alenen kabul eden tartışma forumları, etkileyiciler ve ünlüler gibi belirli hesapları takip etme eğiliminde olduklarından, çalışma aynı zamanda arkadaşlarından ve takipçilerinden gelen tweetleri de topladı.
Halen devam eden ikinci adım, bir kişinin kendi paylaşımlarını dikkate almadan sadece sosyal medyadaki arkadaş ve takipçilerine bakarak depresyona girme olasılığının tespit edilebilmesi gibi bazı ön bulgular sağlamıştır.
Standart olmayan karakterleri kaldırarak orijinal metinleri korumak için külliyatın ön işlenmesinin ardından araştırmacılar, dört metin sınıflandırıcı ve kelime yerleştirme (kelimeler arasındaki ilişkilerin bağlama bağlı matematiksel temsilleri) oluşturmak için derin öğrenmeyi (AI) devreye aldı. NLP için kullanılan bir makine öğrenme algoritması olan transformatörlerden (BERT) çift yönlü kodlayıcı temsilleri.
Bu modeller, bir cümledeki kelimeler gibi sıralı veri ilişkilerini izleyerek bağlamları ve anlamları öğrenen bir sinir ağına karşılık gelir. Eğitim girdisi, her kullanıcıdan rastgele seçilen 200 tweet örneğinden oluşuyordu.
Araştırmacılar, modeller arasında BERT’nin depresyon ve kaygıyı öngörme açısından en iyi performansı gösterdiğini buldular. Modeller kelime dizilerini ve tam cümleleri analiz ettiğinden, örneğin depresyonu olan kişilerin fiilleri ve deyimleri birinci tekil şahıs kullanarak kendileriyle bağlantılı konular hakkında yazma eğiliminde olduklarını gözlemlemenin mümkün olduğunu söylediler. ölüm, kriz ve psikoloji gibi.
Paraboni, “Doktor ziyareti sırasında tespit edilebilen depresyon belirtileri, mutlaka sosyal medyada görünenlerle aynı değildir.” Dedi.
“Örneğin, ben ve ben birinci tekil şahıs zamirlerinin kullanımı çok belirgindi ve psikolojide bu, depresyonun klasik bir işareti olarak kabul ediliyor. Kalp emojisinin depresif kullanıcılar tarafından sıklıkla kullanıldığını da gözlemledik.
Paraboni, “Bunun yaygın olarak bir şefkat ve sevgi sembolü olduğu hissediliyor, ancak belki de psikologlar onu henüz bu şekilde nitelendirmediler.” Dedi.
Araştırmacılar şimdi veri tabanını genişletiyor, hesaplama tekniklerini rafine ediyor ve gelecekte akıl sağlığı sorunları yaşayan olası hastaları taramada ve depresyon riski altındaki gençlerin ailelerine ve arkadaşlarına yardım etmede bir araç üretip üretemeyeceklerini görmek için modelleri yükseltiyorlar. endişe.