هوش مصنوعی افسردگی را از پیام صوتی تشخیص میدهد
یک مدل جدید هوش مصنوعی پزشکی نشان میدهد که یادداشتهای صوتی کوتاه در واتساپ میتوانند به شناسایی علائم اولیه افسردگی کمک کنند.
بر اساس نتایج یک پژوهش تازه، این مدل قادر است تنها با گوش دادن به فایلهای صوتی کوتاه، اختلال افسردگی اساسی را در زنان با دقتی بیش از ۹۱ درصد تشخیص دهد و به عنوان ابزاری کمهزینه برای غربالگری سلامت روان مورد استفاده قرار گیرد.
به گزارش ایسنا و به نقل از دیجیتالترندز، این تحقیق که در تاریخ ۲۱ ژانویه ۲۰۲۶ در نشریه PLOS Mental Health منتشر شده، نشان میدهد عادات روزمرهای مانند ارسال یک پیام صوتی ساده میتواند حاوی نشانههای مهمی از وضعیت سلامت روان افراد باشد. در این مطالعه، یک مدل هوش مصنوعی با تحلیل نحوه صحبتکردن افراد در پیامهای صوتی واتساپ، موفق به شناسایی الگوهایی شده است که با افسردگی ارتباط دارند.
این پژوهش توسط گروهی از محققان در برزیل و به سرپرستی ویکتور هو اوتانی از دانشکده علوم پزشکی سانتا کاسا د سائوپائولو انجام شده است. طبق یافتهها، هوش مصنوعی تنها با دریافت یک فایل صوتی که در آن فرد نحوه گذراندن هفته خود را توضیح میدهد، توانسته افسردگی را در شرکتکنندگان زن با دقت ۹۱.۹ درصد تشخیص دهد. این در حالی است که دقت تشخیص برای مردان حدود ۷۵ درصد گزارش شده است.
پژوهشگران توضیح میدهند که افسردگی، برخلاف تصور رایج، تنها یک حالت درونی نیست و میتواند در ویژگیهای صوتی افراد نیز بازتاب پیدا کند. تغییرات جزئی در زیر و بمی صدا، سرعت صحبتکردن و میزان انرژی گفتار از جمله عواملی هستند که اغلب برای گوش انسان قابل تشخیص نیستند، اما الگوریتمهای یادگیری ماشینی میتوانند آنها را شناسایی کنند. در این مطالعه، هفت مدل مختلف هوش مصنوعی با استفاده از دادههای واقعی آموزش داده شدند که شامل پیامهای صوتی طبیعی و روزمره ارسالشده در واتساپ بود.
یکی از نکات قابل توجه این تحقیق، تفاوت عملکرد مدل در تشخیص افسردگی میان زنان و مردان است. محققان احتمال میدهند که این اختلاف به دلیل تعداد بیشتر نمونههای زن در دادههای آموزشی یا تفاوت در نحوه بروز صوتی افسردگی میان دو جنس باشد. جالب آنکه وقتی از شرکتکنندگان خواسته شد فقط از یک تا ۱۰ بشمارند، دقت تشخیص برای زنان به ۸۲ درصد و برای مردان به ۷۸ درصد رسید و شکاف جنسیتی کاهش یافت.
به گفته پژوهشگران، چنین فناوریای میتواند بهویژه در مناطق کمدرآمد یا جاهایی که دسترسی به خدمات تخصصی سلامت روان محدود است، نقش مهمی ایفا کند. آنها تأکید میکنند که این ابزار جایگزین پزشکان نخواهد شد، اما میتواند به عنوان یک روش غربالگری اولیه و کمهزینه عمل کند. در عین حال، تیم تحقیقاتی اعلام کرده است که آزمایشهای بیشتری برای پوشش زبانها و گروههای متنوعتر در دستور کار قرار دارد.
