به گزارش سلامت نیوز به نقل از وری ول مایند، فناوری همچنان به ارائه راه هایی برای بهبود سلامت روان ادامه می دهد؛ یک مطالعه اخیر نشان داد که هوش مصنوعی (AI) ممکن است علائم اضطراب را با دقت بیش از 92 درصد تشخیص دهد.
این تحقیق که در Pervasive and Mobile Computing منتشر شده است، با داده‌های شرکت‌کنندگان بزرگسال در پاکستان انجام شد، به‌وسیله آن حرکات با استفاده از یک حسگر به‌عنوان یک سری فعالیت‌ها در یک نظم خاص ثبت شد.
این گام‌ها با فناوری این پتانسیل را دارند که فرصت‌های جدیدی را برای رسیدگی مؤثرتر به چالش‌های سلامت روان باز کنند.
بیشتر بخوانید : فردابانک ، نئوبانک هوشمند
تشخیص اضطراب از طریق رفتار
این مطالعه با 10 شرکت‌کننده بین 20 تا 50 سال و با استفاده از حسگرهای حرکتی برای تشخیص علائم رفتاری اضطراب انجام گرفت.
محققان بر روی رفتارهای خاصی برای تشخیص اضطراب با استفاده از حسگرهای حرکتی و تکنیک های یادگیری عمیق، از جمله جویدن ناخن، ضربه زدن با دست و غیره تمرکز کردند که بیش از 92 درصد موثر بودند.
در حالی که این تحقیق بینش هایی را در مورد چگونگی استفاده از هوش مصنوعی برای ارزیابی بهتر علائم اضطراب ارائه می دهد، محدودیت این مطالعه مجموعه داده های کوچک آن است، زیرا تنها با 10 شرکت کننده انجام شد.
هوش مصنوعی امکانات بهداشت روانی را ارائه می دهد
دکتر گلناز انجم، روانشناس اجتماعی و محقق این مطالعه، می‌گوید: «یک نکته مهم از این تحقیق این است که می‌توانیم با خیال راحت از هوش مصنوعی (AI) برای ارائه اندازه‌گیری، تجزیه و تحلیل و تشخیص اضطراب استفاده کنیم.»
یکی دیگر از محققین این مطالعه، ندا صدف خان، MS، MBA، توضیح می دهد: «برای تشخیص فعالیت های انسانی، یادگیری عمیق یکی از قابل اعتمادترین و قوی ترین الگوریتم ها است. به دلیل توانایی آن در یادگیری پویایی های زمانی، الگوهای پیچیده حتی از داده های خام حسگرها اعتماد محققان را به خود جلب کرده است.»
Anjum خاطرنشان می کند که این کار می تواند مانند پوشیدن ساعت هوشمند با برنامه آنها و بررسی خوانش ها، پس از در دسترس قرار گرفتن راحت باشد. او می‌گوید: «ما با تعداد بیشتری از شرکت‌کنندگان انسانی کار می‌کنیم تا مقایسه کنیم، اما تحقیقات اولیه روشی امن، غیر مداخله‌ای، غیر ذهنی و دقیق برای اندازه‌گیری اضطراب ارائه می‌کند.»
هنگامی که اضطراب را تنها با استفاده از معیارها، مقیاس‌ها و ارزیابی‌های ذهنی اندازه‌گیری می‌کند، Anjum نشان می‌دهد که چگونه می‌توانند باعث استرس و اضطراب بیشتر در بین آزمودنی‌ها و پزشکان شوند. او می‌گوید: «استفاده از هوش مصنوعی، مانند حسگرها و مدل‌های یادگیری عمیق می‌تواند بسیار مفید باشد، زیرا این ارزیابی در پس‌زمینه بدون توجه آگاهانه ما کار می‌کند.»
ما با تعداد بیشتری از شرکت کنندگان انسانی کار می کنیم تا مقایسه کنیم، اما تحقیقات اولیه روشی امن، غیر مداخله جویانه، غیر موضوعی و دقیق برای اندازه گیری اضطراب ارائه می دهد.
انجم توضیح می دهد که افراد هنگام مطالعه و به کارگیری تحقیقات خود باید به خاطر داشته باشند که هدف گسترش افق برای شناسایی اختلالات اضطرابی و در نهایت بهبود سلامت روان افراد است، اما هشدار می دهد که کار آنها فقط مربوط به تشخیص است.
به این ترتیب، Anjum توصیه می‌کند برای هر کار و پشتیبانی پس از تشخیص، با یک پزشک سلامت روان ارتباط برقرار کنید. او می‌گوید: «هوش مصنوعی ابزاری درخشان و یک شاخص قابل اعتماد برای شناسایی اضطراب ما است، اما وقتی نوبت به جستجوی کمک می‌رسد، واقعاً باید به پزشک مراجعه کنیم.»
انجم خاطرنشان کرد: «اندازه گیری هر گونه جنبه رفتاری در صورت انجام صحیح و با همکاری کارشناسان حوزه سلامت روان اکنون امکان پذیر است.» او می‌گوید: «ما اولین نمونه‌هایی از این نوع را ارائه کرده‌ایم و مطمئن هستیم که نقش هوش مصنوعی در ارزیابی روان‌شناختی آینده سلامت روانی ایمن و قابل دسترس برای همه است.
انجوم می‌گوید، به‌ویژه در طول همه‌گیری، «افراد زیادی در اطراف ما سطوح بالاتری از اضطراب را به دلیل کووید-19 و شوک‌های آب و هوایی در سراسر جهان تجربه کرده‌اند، بنابراین نیاز به روش‌های ساده‌تر و غیر سرزده برای اندازه‌گیری اضطراب بیش از همیشه است.»
ابزار سلامت روانی امیدوارکننده
دکتر راشمی پارمار ، روانپزشکی Mindpath Health می گوید: «این یک مطالعه منحصر به فرد است که در آن نویسندگان از حسگرهای تشخیص فعالیت انسانی جفت شده با تلفن های هوشمند برای تشخیص برخی حرکات فیزیکی که با اضطراب در انسان ها مرتبط هستند، استفاده کردند.»
دکتر پارمار توضیح می دهد که هدف نهایی ارائه داده های دقیق تر برای محققان و پزشکان بالینی برای شناسایی، ارزیابی و درمان اختلالات اضطرابی است. او می گوید: «اضطراب می تواند به اشکال مختلف در افراد مختلف ظاهر شود که می تواند شامل علائم فیزیکی و همچنین عاطفی باشد. »
در حالی که فعالیت های اندازه گیری شده در این مطالعه ممکن است منعکس کننده اضطراب باشد، دکتر پارمار خاطرنشان می کند که ممکن است همیشه نتیجه اضطراب نباشد. او می‌گوید: «برای مثال، سناریوهای دیگری مانند خستگی یا کسالت نیز می‌توانند منجر به فعالیت‌های مشابه شوند و ممکن است از اضطراب قابل تشخیص پ تفکیک نباشند، مگر اینکه از نظر بالینی ارزیابی شوند.»
دکتر پارمار توضیح می‌دهد، «این مطالعه نقطه شروع مفیدی است. یافته‌های این مطالعه برای دقت بیشتر باید از نظر بالینی همبستگی داشته باشند. اگرچه هوش مصنوعی می‌تواند به شناسایی افراد در معرض خطر کمک کند، اما همچنان برای تایید یک روانپزشکی نیاز به ارزیابی بالینی دقیق است. »
هوش مصنوعی ابزاری امیدوارکننده در آینده سلامت روان به نظر می رسد، به ویژه با توجه به محبوبیت الکترونیک و تلفن های هوشمند در نسل فعلی.
از آنجایی که تحقیقات هوش مصنوعی در زمینه سلامت روان هنوز در مراحل اولیه است، دکتر پارمار تاکید می کند که مطالعات زیادی برای مقایسه وجود ندارد. او می‌گوید: «هنگامی که هوش مصنوعی و کاربرد آن را در پزشکی را در نظر می‌گیرید، مهم است که بین خطرات کلی در مقابل مزایای برنامه طراحی‌شده و اینکه آیا نتایج را می‌توان در دنیای واقعی تکرار کرد، تعادل ایجاد کنید.»
دکتر پارمار خاطرنشان می کند: «هوش مصنوعی ابزار امیدوار کننده ای در آینده سلامت روان به نظر می رسد، به ویژه با توجه به محبوبیت الکترونیکی و تلفن های هوشمند در نسل کنونی. اگر ابزارهای هوش مصنوعی به خوبی طراحی شوند، می توانند به تشخیص زودهنگام، ارزیابی و درمان کمک کنند. بیماری های روانی و احتمالاً ممکن است به تلاش های پیشگیری نیز کمک کند.»
از تجربه شخصی، دکتر پارمار توضیح می‌دهد که ممکن است بتوان افراد مضطرب را بر اساس نشانه‌های کلامی و غیرکلامی مشخص شناسایی کرد، زیرا ممکن است یک فرد حالت تنش، لرزش، دست دادن یا لبخند عصبی،مشکل در فکر کردن یا حفظ مکالمه ثابت، افزایش تعریق یا تنفس سریع داشته باشد.
دکتر پارمار توضیح می دهد که تشخیص را می توان با یک مصاحبه بالینی کامل و معاینه وضعیت روانی تایید کرد. او می گوید: «اگر به درستی طراحی شوند، ابزارهای مبتنی بر هوش مصنوعی می توانند در سناریوهای بالینی روزمره بسیار مفید باشند. »
در حالی که هوش مصنوعی نمی‌تواند جایگزین «لمس انسانی» بسیار مورد نیاز در پزشکی شود، دکتر پارمار خاطرنشان می‌کند که قطعاً می‌تواند زندگی را آسان‌تر کند و فرسودگی شغلی را برای کسانی که برای شکل دادن به آینده‌ای بهتر برای پزشکی تلاش می‌کنند کاهش دهد.
نظر شما