Mesterséges intelligencia alapú eszközt fejlesztettek a depresszió szűrésére

A két egyetem által fejlesztett mesterségesintelligencia-alapú beszédhang-feldolgozó alkalmazás működéséről a Semmelweis Egyetem közleményében Kiss Gábor, a BME Távközlési és Médiainformatikai Tanszékének tudományos munkatársa azt mondta, a depressziós betegek beszédének jellegzetességeit tanították meg a szoftvernek egy speciális módszer (Support Vector Regression) segítségével. A Semmelweis oldaláról Hajduska-Dér Bálinttal, az Egyetem Pszichiátriai és Pszichoterápiás Klinikájának tanársegédjével beszélgettünk a kutatás előzményeiről, az eredményekről és a fejlesztés utóéletéről. A fiatal kutató hangsúlyozta, hogy a fejlesztés 

nem diagnosztikai eszköz, hanem szűrés, hogy a betegek gyorsabban jussanak terápiába.

A kutatás hátteréről hozzátette:

A BME-vel együttműködésben azt vizsgáltuk, milyen hangtani eltérések vannak, amikből ki lehet szűrni a depressziót. Gépi tanulásos rendszernek táplálták be a depressziós hangmintákat, hogy ő maga találja meg, fennáll-e a betegség lehetősége. A mesterséges intelligencia elkülöníti a hangtani eltéréseket, ami a depressziósokra jellemző, de az egészségesekre nem: lassabb, monoton beszéd több szünettel, kevésbé hangsúlyozott, de ezek szubjektív differenciák, ezt akarták objektivizálni.

A rendszer maga határozza meg az eltéréseket, mi alapján különíti el az egészséges és beteg emberek beszédét. Ahogy Hajduska-Dér Bálint mondta:

A kutatáshoz az úgynevezett Magyar Depressziós Beszéd Adatbázis 218 depressziós és egészséges embertől származó hangmintáját használtuk fel.

A résztvevőknek Az északi szél és a nap című rövid, 10 mondatos mesét kellett felolvasniuk. A szakemberek rögzítették a Beck Depression Inventory- (BDI) teszten és a Hamilton Rating Scale for Depression- (HAMD) teszten elért pontszámukat is. A betegség felismerésére jelenleg leggyakrabban ezt a két skálát használják, de egyik sem ideális. A BDI ugyan gyors, de önkitöltős, ezért szubjektív, azt tükrözi, hogy maga a páciens hogyan értékeli a saját állapotát. A HAMD-tesztet az orvos tölti ki a beteg jelenlétében, ez viszont időigényesebb. 

Különböző fizikai jellemzőket vetettek össze minden egyes beszédmintában, köztük a hangspektrumot, a hangdinamikát, a dallamváltozást vagy a beszédritmust.

Az alkalmazás 84 százalékos pontossággal szűrte ki a depressziós betegeket, ha a HAMD-teszt pontszámokat táplálták a szoftverbe, és 76 százalékos pontosságú volt, ha a BDI-teszt pontszámait vették figyelembe.

Depressziósok-e az űrkutatók?

Az alkalmazást 2012-ben kezdték fejleszteni, miután a BME bekapcsolódott az Európai Űrügynökség egyik kutatásába, melyben a déli-sarki Concordia Űrkutató Állomáson dolgozók pszichés állapotát mérték fel. Mivel az ottani szakemberek sokszor bezárva, izoláltan dolgoznak a depresszió kialakulását elősegítő rövid nappaloknál, az általuk rendszeresen felolvasott rövid szövegek alapján a beszédükből próbálták meg kiszűrni pszichés állapotuk változásait. Ebből a projektből nőtte ki magát a Semmelweis Egyetem és a BME együttműködése.

A depresszió beszédhangon alapuló korai felismerésével lerövidíthető és felgyorsítható lenne a betegút. Az érintettek hamarabb juthatnának el pszichiáterhez, ha már a háziorvosnál felmerülne, hogy a beteg esetleg depressziós, és emiatt lehetnek a fizikai tünetei, például has- vagy hátfájdalma

– mondta Hajduska-Dér Bálint. A mesterséges intelligencia bevonása közvetve az életminőség javulására is hatással lehet, illetve a kórházban töltött időt és az ellátásra fordított költségeket is csökkenthetné, ezzel tehermentesítve az egészségügyi rendszert. A pszichiáter-pszichoterapeta hozzátette:

Az applikáció a betegek állapotának utánkövetesére és a különböző terápiák hatásosságának mérésére is alkalmas. A hosszú távú cél, hogy a háziorvosoknál is legyen, hogy megkönnyítse a munkájukat, mert sok a páciens és a háziorvosok nem pszichiáterek, de ha felmerül a depresszió, tovább lehetne irányítani a betegeket a szakellátásba.

Nem nyelvfüggetlen, de más országokban is van ilyen kutatás.

A depresszió tünetei nyelvfüggetlenek, de a rendszer nem az, mert az nagyon bonyolult lenne

– tette hozzá Hajduska-Dér.

A hosszú távú cél az, hogy az applikáció a javulást is kövesse, segít-e a gyógyszer, hangulatjavító után van-e változás, és az állapot rosszabbodását is követni lehessen.

Most a gépi tanuló eljárásokat vizsgálják az orvoslás minden területén, ezért lehet, hogy egyszerre több országban is beindult a mesterséges intelligencia szerepe a depresszió felismerésében.

De ahogy Hajduska-Dér mondta:

Az alkalmazás már elkészült, de élesítéséhez további tesztekre van még szükség.

(Borítókép: Dr. Hajduska-Dér Bálint. Fotó: Papajcsik Péter / Index)