MIT는 연설에서 우울증을 예언하는 AI를 만듭니다

혁신적인 신경 네트워크는 대화로부터 우울증을 감지합니다.

출처 : Jacob Lund / Shutterstock

우울증은 세계 보건기구 (World Health Organization)의 3 월 2018 년 수치에 따라 매년 3 억 명이 넘는 사람들의 삶과 매년 80 만 건의 자살에 영향을주는 세계적으로 가장 일반적인 질병 중 하나입니다. 우울증 진단은 힘들고 복잡한 시도 일 수 있습니다. 메이요 클리닉 (Mayo Clinic)에 따르면 우울증의 증상은 다양하며 의사는 미국 정신과 학회 DSM-5 ( 정신 장애 진단 및 통계 매뉴얼)의 신체 검사, 실험실 검사, 정신과 적 평가 설문지 및 기준을 사용하여 우울증 진단 [1]. 정신 건강 전문가의 경우 올바른 질문을하고 대답을 해석하는 것이 진단의 핵심 요소입니다. 그러나 자연스러운 대화와 질문과 대답의 맥락을 요구하는 진단을 통해 달성 할 수 있다면 어떨까요?

CSAIL (컴퓨터 과학 및 인공 지능 연구소)의 Tuka Alhanai 및 James Glass와 IMES (의학 공학 및 과학 연구소)의 Mohammad Ghassemi로 구성된 혁신적인 MIT (Massachusetts Institute of Technology) 연구 팀은 인공 지능이 자연 대화에서 패턴을 확인함으로써 개인의 우울증.

• 자폐증 스펙트럼 장애가있는 사람들의 조기 사망
• 소셜 미디어는 외로운 사람입니까?
• 슬퍼하는 아이에게 말하지 말아야 할 것
• 마크 헌터는 그의 태어난 유령과 대면한다.
• 재 정착 된 난민 여성의 심리적 요구

MIT 연구진은 인터뷰에서 오디오 및 텍스트 표기법의 음성 패턴을 식별하여 우울증을 예측할 수있는 신경망 인공 지능 모델을 개발했습니다. 142 명의 환자 인터뷰에서 수집 한 데이터 세트를 사용하여 우울증 진단 시퀀스를 모델링하는 것이 목표였습니다. 연구자들은 컨텍스트 프리 모델링, 가중치 모델링 및 시퀀스 모델링 [3]에 대한 실험을 포함했습니다.

먼저 팀은 오디오 및 텍스트 기능의 예측 정확도를 “질문 한 질문의 유형과 독립적으로 고려할 때와 인터뷰 세션에서 질문 한 시간”즉 “컨텍스트가없는”모델링을 평가하려고했습니다. 연구팀은 279 개의 오디오 및 100 개의 텍스트 기능을 L1 정규화 [4]를 통해 로지스틱 회귀 모델에 제공했습니다. 텍스트 기능을 위해 팀은 Python Gensim 라이브러리의 Doc2Vec을 “총 8,050 개의 학습 예제, 272,418 단어 및 7,411 단어의 어휘 크기로 활용했습니다.” “오디오 기능의 경우 팀은 553 개의 초기 세트 각 주제 응답을 나타내는 피처. [6]. ”

두 번째 실험에서 팀은 “질문의 유형 을 조절할 때 인터뷰 세션에서 묻는 시간에 관계없이”예측 성능을 이해하는 것을 목표로했습니다.이 목표를 달성하기 위해 컨텍스트 기반 모델과 유사한 가중 모델을 만들었습니다. 핵심 차별화 요소가있는 무료 모델로, “훈련 세트에서 발견 된 질문의 예측력”을 기반으로 모델에 가중치를 부여했습니다.

• 독켄이 나에게 다시 안전한 잠을 자도록 만든 방법
• 기후 변화를 무시하는 방법
• 주간 낮잠은 신비한 방법으로 두뇌 파워를 향상시킵니다.
• Winnie Pooh의 중요한 교훈과 가르침
• 괴롭히는 것 : 아이들이 피곤한 시간에 아이들을 골라내는 것 그 이상

출처 : istockphoto

세 번째 실험에서 팀은 “인터뷰의 일시적인 변화를 모델링하는”것에 초점을 맞추고 LSTM (Long Short-Term Memory) 신경망을 사용했습니다. 이는 “순차적 데이터를 모델링하는 추가 이점”을 가지고 있기 때문입니다.

흥미롭게도 연구원은 우울증을 예측할 때 텍스트보다 텍스트를 사용하는 데 4 배 이상의 데이터가 필요하다는 사실을 발견했습니다. 모델은 오디오에 대해 평균 30 개의 시퀀스가 ​​필요하며 단 7 개의 텍스트 질문 및 답변 시퀀스와 비교됩니다. 연구팀은 우울증 예측을 위해 시퀀스 모델링이 더 정확하고 텍스트 및 오디오의 멀티 모달 모델이 가장 우수한 성능을 보였다. 역설적이게도, AI 신경망 모델의 특성은 입력 데이터에서 어떤 패턴을 발견했는지 정확하게 모호하게 만듭니다. AI의 불투명도는 노드와 엄청난 양의 매개 변수 사이에 복잡한 연결이있는 신경망의 본질적인 복잡성 때문에 발생합니다. 그럼에도 불구하고이 MIT 연구는 향후 우울증 진단의 복잡성을 해결하기 위해 의사와 정신 건강 전문가를 돕기위한 새로운 잠재적 도구를 개발하기위한 혁신적인 단계를 나타냅니다.

Copyright © 2018 Cami Rosso 모든 권리 보유.

참고 문헌

1. 메이요 클리닉 직원. “우울증 (주요 우울 장애.”Mayo Clinic, 2018 년 10 월 14 일 https://www.mayoclinic.org/diseases-conditions/depression/diagnosis-treatment/drc-20356013에서 검색.

2. Alhanai, Tuka; Ghassemi, Mohammad; 글래스, 제임스. “인터뷰의 오디오 / 텍스트 시퀀스 모델링으로 우울증 감지.”MIT. 2018 년 9 월 2-6 일. http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf에서 2018 년 10 월 14 일에 검색됩니다.

3. Ibid .

4. Ibid .

5. Ibid .

6. Ibid .