هوش مصنوعی احتمال ابتلا به اسکیزوفرنی را از طریق الگو‌های زبانی پنهان پیش‌بینی می‌کند
دانشمندان از مدل‌های زبان هوش مصنوعی برای تشخیص الگو‌های گفتاری ظریف و پنهانی که در بیماران اسکیزوفرنی (روان‌گسیختگی) بروز می‌کنند، بهره برده‌اند و به این ترتیب مسیر جدیدی را در ارزیابی روانپزشکی هموار شده است.
تحقیقات منتشر شده نشان می‌دهد که هوش مصنوعی می‌تواند نوع کلمات انتخابی را در بیماران مشکوک به اسکیزوفرنی دقیق‌تر تشخیص بدهد و پیش‌بینی کند، که احتمالاً به نحوه فرمول‌بندی «نقشه‌های شناختی» یا حافظه مرتبط است.
این کاربرد ابتکاری هوش مصنوعی، نویدبخش رویکردی دقیق‌تر و مبتنی بر داده‌ها در تشخیص و درک اختلالات روانی است.
مدل زبان هوش مصنوعی که با متن‌های اینترنتی آموزش داده شده بود، تفاوت‌های قابل توجهی بین نوع بیان افراد کنترل و افراد مبتلا به اسکیزوفرنی تشخیص داد.
تغییرات در الگو‌های گفتار ممکن است به نحوه ایجاد و ذخیره‌سازی «نقشه‌های شناختی» توسط مغز مرتبط باشد.
درگام بعدی محققان قصد دارند این فناوری را در نمونه‌های وسیع‌تری از بیماران به کار گیرند و گفتار مختلف آنها را در نظر بگیرند.
در این تحقیق اخیر، محققان از ۲۶ شرکت‌کننده مبتلا به اسکیزوفرنی و ۲۶ شرکت‌کننده کنترل خواستند تا دو تکلیف کلامی را انجام دهند، از آنها خواسته شد تا نام هر تعداد حبوانب که نامشان با حرف «p» شروع می‌شد، در مدت پنج دقیقه نام ببرند.
محققان بررسی کردند که آیا کلماتی که مردم به طور خود به خود به یاد می‌آورند می‌توانند با مدل هوش مصنوعی پیش‌بینی شوند یا خیر و اینکه آیا این قابلیت پیش‌بینی در بیماران مبتلا به اسکیزوفرنی کاهش می‌یابد یا خیر.
آنها دریافتند که پاسخ‌های داده شده توسط شرکت‌کنندگان کنترل (یعنی غیربیمار) قابل پیش‌بینی‌تر از پاسخ‌هایی است که توسط افراد مبتلا به اسکیزوفرنی ایجاد .
محققان تصور می‌کنند که این تفاوت ممکن است به نحوه ایجاد روابط بین خاطرات و‌ایده‌ها توسط مغز و ذخیره این اطلاعات در به اصطلاح “نقشه‌های شناختی مربوط باشد.
پژوهشگران در بخش دوم تحقیق خود که از اسکن مغزی برای اندازه‌گیری فعالیت مغز در بخش‌هایی از مغز که در یادگیری و ذخیره این «نقشه‌های شناختی» نقش دارند، بهره بردند.
این کار پتانسیل استفاده از مدل‌های زبان هوش مصنوعی را در روانپزشکی نشان می‌دهد، یک رشته پزشکی که ارتباط نزدیکی با زبان و معنا دارد.
منبع: UCL
