211service.com
Hur maskininlärning kan hjälpa till att hantera depression
Depression är ett enkelt klingande tillstånd med komplexa ursprung som inte är helt förstådda. Nu kan maskininlärning göra det möjligt för forskare att ta bort några av dess mysterier för att ge bättre behandling.
För att patienter ska få diagnosen major depression, som tros vara resultatet av en blandning av genetiska, miljömässiga och psykologiska faktorer, måste de uppvisa flera av en lång lista av symtom, såsom trötthet eller bristande koncentration. När de väl har diagnostiserats kan de få kognitiv beteendeterapi eller medicinering för att lindra deras tillstånd. Men inte varje behandling fungerar för varje patient, eftersom symtomen kan variera kraftigt.
På senare tid har många forskare inom artificiell intelligens börjat utveckla sätt att tillämpa maskininlärning i medicinska situationer. Sådana tillvägagångssätt kan upptäcka trender och detaljer över enorma datamängder som människor aldrig skulle kunna, och retar upp resultat som kan användas för att diagnostisera andra patienter. De New York-bo sprang nyligen en särskilt intressant uppsats om att använda tekniken för att ställa diagnoser från medicinska skanningar.
Liknande tillvägagångssätt används för att belysa depression. A studie publicerad i Psykiatriforskning tidigare i år visade att MRT-skanningar kan analyseras med maskininlärningsalgoritmer för att fastställa sannolikheten för att någon lider av tillståndet. Genom att identifiera subtila skillnader i skanningar av människor som var och inte var drabbade, fann teamet att de kunde identifiera vilka osynliga patienter som led av allvarlig depressiv sjukdom från MRI-skanningar med ungefär 75 procents noggrannhet.
Kanske mer intressant, Det rapporterar Vox att forskare från Weill Cornell Medical College följer ett liknande grepp för att identifiera olika typer av depression. Genom att låta maskinlärande algoritmer förhöra data som fångas när hjärnan är i viloläge, har forskarna kunnat kategorisera fyra olika undertyper av tillståndet som visar sig som olika blandningar av ångest och brist på njutning.
Alla försök att sluta sig till sådana finkorniga diagnoser från MR-undersökningar har förstås inte varit framgångsrika tidigare. Men användningen av AI ger mycket bättre chanser att upptäcka en signal än när enskilda läkare tittar på skanningar. Åtminstone ger experimenten vikt åt uppfattningen att det finns olika typer av depression.
Tillvägagångssättet kan bara vara en del av ett bredare försök att använda maskininlärning för att upptäcka subtila ledtrådar relaterade till tillståndet. Forskare vid New York Universitys Langone Medical Center, till exempel, använder maskininlärningstekniker för att välja ut röstmönster som är speciellt för personer med depression, såväl som tillstånd som PTSD.
Och tanken att det kan finnas många typer av depression kan visa sig användbar, enligt Vox. Det noterar en annan nyligen genomförd studie utfört av forskare vid Emory University som fann att maskininlärning kunde identifiera olika mönster av hjärnaktivitet i fMRI-skanningar som korrelerade med effektiviteten av olika behandlingsformer.
Med andra ord kan det vara möjligt att inte bara använda AI för att identifiera unika typer av depression, utan också att fastställa hur man bäst behandlar dem. Sådana tillvägagångssätt är fortfarande långt ifrån att ge kliniskt relevanta resultat, men de visar att det kan vara möjligt att identifiera bättre sätt att hjälpa drabbade i framtiden.
Under tiden försöker vissa forskare också utveckla AI för att säkerställa att depression inte leder till tragiska utfall som självskada eller självmord. Förra månaden, till exempel, Trådbunden rapporterad att forskare vid Florida State University hade utvecklat mjukvara för maskininlärning som analyserar mönster i journaler för att flagga patienter som kan löpa risk för självmordstankar. Och Facebook hävdar att det kan göra något liknande genom att analysera användarinnehåll - men det återstår att se hur effektiva dess interventioner kan vara.
(Läs mer: vox , Trådbunden , New York-bo , Stora frågor kring Facebooks självmordsförebyggande verktyg , Röstanalysteknik kan diagnostisera sjukdom)