با کمک یک برنامه رایانه‌ای صورت می‌گیرد
شناسایی افراد مبتلا به آسیب روانی با تحلیل صدای آنها
میگنا: به گزارش ساینس‌دیلی، پژوهشگران "دانشگاه نیویورک"(NYU)، یک برنامه رایانه‌ای طراحی کرده‌اند که می‌تواند با تحلیل صدای افراد، به تشخیص "اختلال استرسی پس از آسیب روانی"(PTSD) کمک کند. آنها با طراحی این برنامه رایانه‌ای، در حقیقت ابزاری مبتنی بر هوش مصنوعی ابداع کرده‌اند که می‌تواند کار خود را با بررسی صدای افراد انجام دهد و افراد سالم و یا بیمار را مشخص کند.
به گفته پژوهشگران، دقت این برنامه حدود ۸۸ درصد است. "لوسیوس لیتاور"(Lucius Littauer)، استاد روانشناسی دانشگاه نیویورک گفت: یافته‌های این پژوهش نشان می‌دهند که می‌توان ویژگی‌های مبتنی بر گفتار افراد را پس از بررسی و اعتبارسنجی آنها، برای تشخیص اختلال استرسی پس از آسیب روانی به کار برد. بیش از ۷۰ درصد بزرگسالان در سراسر جهان، نوعی از اختلال استرسی پس از آسیب را تجربه می‌کنند و ۱۲ درصد از ساکنین جوامع پرتنش نیز از این اختلال رنج می‌برند.
اختلال استرسی پس از آسیب، عارضه‌ای است که پس از تجربه یک عامل استرس‌زا و آسیب‌زای شدید روی می‌دهد. افراد مبتلا به این اختلال هنگام به یاد آوردن اثر محرک، از پریشانی مداوم و شدید رنج می‌برند.
پژوهشگران در این پروژه، از یک روش یادگیری آماری و یادگیری ماشینی موسوم به الگوریتم "جنگل تصادفی" (Random forest) استفاده کردند. در این روش، ماشین می‌تواند نحوه طبقه‌بندی افراد را بر اساس مثال‌ها یاد بگیرد.
برنامه‌های هوش مصنوعی، مجموعه‌ای از قوانین تصمیم‌گیری و مدل‌های ریاضی را ارائه می‌دهند که همزمان با گسترش میزان داده‌های آموزشی می‌توانند از عهده تصمیم‌گیری دقیق برآیند.
پژوهشگران در این بررسی، مصاحبه‌های بلندمدتی با ۵۳ کهنه سرباز اهل عراق و افغانستان مبتلا به اختلال استرسی پس از آسیب و همچنین ۷۸ کهنه سرباز که به این اختلال مبتلا نبودند انجام دادند. سپس، صداهای ضبط شده این افراد را در نرم‌افزار صدای شرکت "سیری" (Siri) قرار دادند و توانستند مجموعه‌ای از ویژگی‌های مبتنی بر گفتار به دست آورند. پس از این مراحل، برنامه مبتنی بر هوش مصنوعی این گروه پژوهشی، الگوها را بررسی کرد.
به گفته پژوهشگران، دقت این برنامه حدود ۸۸ درصد است. "لوسیوس لیتاور"(Lucius Littauer)، استاد روانشناسی دانشگاه نیویورک گفت: یافته‌های این پژوهش نشان می‌دهند که می‌توان ویژگی‌های مبتنی بر گفتار افراد را پس از بررسی و اعتبارسنجی آنها، برای تشخیص اختلال استرسی پس از آسیب روانی به کار برد. بیش از ۷۰ درصد بزرگسالان در سراسر جهان، نوعی از اختلال استرسی پس از آسیب را تجربه می‌کنند و ۱۲ درصد از ساکنین جوامع پرتنش نیز از این اختلال رنج می‌برند.
اختلال استرسی پس از آسیب، عارضه‌ای است که پس از تجربه یک عامل استرس‌زا و آسیب‌زای شدید روی می‌دهد. افراد مبتلا به این اختلال هنگام به یاد آوردن اثر محرک، از پریشانی مداوم و شدید رنج می‌برند.
پژوهشگران در این پروژه، از یک روش یادگیری آماری و یادگیری ماشینی موسوم به الگوریتم "جنگل تصادفی" (Random forest) استفاده کردند. در این روش، ماشین می‌تواند نحوه طبقه‌بندی افراد را بر اساس مثال‌ها یاد بگیرد.
برنامه‌های هوش مصنوعی، مجموعه‌ای از قوانین تصمیم‌گیری و مدل‌های ریاضی را ارائه می‌دهند که همزمان با گسترش میزان داده‌های آموزشی می‌توانند از عهده تصمیم‌گیری دقیق برآیند.
پژوهشگران در این بررسی، مصاحبه‌های بلندمدتی با ۵۳ کهنه سرباز اهل عراق و افغانستان مبتلا به اختلال استرسی پس از آسیب و همچنین ۷۸ کهنه سرباز که به این اختلال مبتلا نبودند انجام دادند. سپس، صداهای ضبط شده این افراد را در نرم‌افزار صدای شرکت "سیری" (Siri) قرار دادند و توانستند مجموعه‌ای از ویژگی‌های مبتنی بر گفتار به دست آورند. پس از این مراحل، برنامه مبتنی بر هوش مصنوعی این گروه پژوهشی، الگوها را بررسی کرد.
برنامه جنگل تصادفی توانست ارتباط میان الگوهای ویژگی‌های خاص صدا را با اختلال استرسی پس از آسیب مشخص کند و پژوهشگران را در تشخیص بهتر یاری دهد.
اگرچه این پژوهش، مکانیسم‌های مربوط به اختلال را مورد بررسی قرار نداد اما ایده اصلی این است که رخدادهای پس از آسیب می‌توانند مدارهای مغزی که احساسات و تنش عضلانی را پردازش می‌کنند و بر صدای فرد اثر می‌گذارند، تغییر دهند.
گام بعدی پژوهشگران این است که هوش مصنوعی را با داده‌های بیشتری آموزش دهند تا اعتبار برنامه خود را به صورت مستقل ثبت کنند و مجوز دولتی را برای استفاده از آن به صورت بالینی به دست آورند.
این پژوهش، در مجله "Depression and Anxiety" به چاپ رسید.
مرجع : خبرگزاري ايسنا
