Благодарение на машинското учење, суптилните акустични обрасци во гласовните пораки можат да помогнат во идентификување на депресивни лица со изненадувачка точност.
Некои медицински LLM модели беа точни во откривањето на повеќе од 90 % од случаите на депресија кај жените, но таа точност кај мажите паднала на 78 проценти. (Freepik)
Нов медицински LLM постигнал повеќе од 91 процент точност во дијагностицирање на големо депресивно нарушување по анализа на кратка аудио-снимка на WhatsApp, во која учесниците го опишуваат својот изминат неделен период. Така, барем, тврди студијата на Медицинскиот факултет „Санта Каза де Сао Паоло“, објавена во списанието PLOS Mental Health.
Говорни обрасци
Авторите користеле сет на податоци за тренирање на своите LLM модели со седум различни подмодели, како и посебен сет на податоци за тестирање на LLM-овите. Во истражувањето биле користени аудио-снимки што пациентите им ги испраќале на лекарите во моменти кога покажувале симптоми.
Интересно е што LLM моделите покажале поголема точност при класификација на депресија кај жените (91,0 %) отколку кај мажите (75 %) од гласовните пораки во кои го опишувале својот изминат неделен период. Истражувачите оваа разлика ја објаснуваат со поголемиот број учеснички во сетот на податоци за обука на моделот, но и со разликите во говорните обрасци меѓу мажите и жените.
Со машинско учење до дијагноза
Послични резултати меѓу мажите и жените LLM моделите покажале кога испитаниците требало да бројат до 10; тогаш разликата во препознавањето на симптомите се намалила на 82 % кај жените и 78 % кај мажите.
Во студијата биле оценети седум алгоритми.
„Нашата студија покажува дека суптилните акустични обрасци во спонтаните гласовни пораки на WhatsApp можат да помогнат во идентификување на депресивни профили со изненадувачка точност со користење на машинско учење“, заклучуваат авторите, кои се надеваат дека понатамошното усовршување на моделот би можело да доведе до евтин и практичен начин за откривање на депресија, но и до други клинички и истражувачки примени.
