Μία νέα εφαρμογή τεχνητής νοημοσύνης στοχεύει να βοηθήσει στη διάγνωση της κατάθλιψης.

Υπολογίζεται ότι σχεδόν 300 εκατομμύρια άνθρωποι ή περίπου το 4% του παγκόσμιου πληθυσμού, πάσχει από κάποια μορφή κατάθλιψης. Όμως η ανίχνευσή της μπορεί να είναι δύσκολη, ιδίως όταν οι πάσχοντες δεν αναφέρουν (ή δεν θέλουν να παραδεχθούν) τα αρνητικά συναισθήματα σε φίλους, την οικογένεια ή τους ψυχολόγους.

Τώρα, η καθηγήτρια Sang Won Bae του Stevens Institute of Technology εργάζεται πάνω σε διάφορες εφαρμογές τεχνητής νοημοσύνης για smartphone που θα μπορούσαν να μας προειδοποιήσουν μη επεμβατικά, εμάς και τους άλλους, ότι μπορεί να έχουμε κατάθλιψη.

Η κατάθλιψη είναι μια μεγάλη πρόκληση, λέει η Bae. Θέλουμε να βοηθήσουμε. Και δεδομένου ότι οι περισσότεροι άνθρωποι στον κόσμο σήμερα χρησιμοποιούν καθημερινά smartphones, αυτό θα μπορούσε να είναι ένα χρήσιμο εργαλείο ανίχνευσης που είναι ήδη έτοιμο να χρησιμοποιηθεί.

Η διάθεσή μας εντοπίζεται από την εικόνα των ματιών μας

Η ηλεκτρονική εφαρμογή που αναπτύσσει η ερευνητική ομάδα, ονομάζεται PupilSense και λειτουργεί λαμβάνοντας συνεχώς στιγμιότυπα και μετρήσεις των κόρων των ματιών του χρήστη ενός smartphone.

Προηγούμενες έρευνες τις τελευταίες τρεις δεκαετίες έχουν επανειλημμένα δείξει πώς τα αντανακλαστικά και οι αντιδράσεις της κόρης του ματιού μπορούν να συσχετιστούν με τα καταθλιπτικά επεισόδια, εξηγεί.

Το σύστημα τεχνητής νοημοσύνης υπολογίζει με ακρίβεια τη διάμετρο της κόρης του ματιού, σε σύγκριση με την περιβάλλουσα ίριδα των ματιών, από ροές φωτογραφιών που καταγράφονται κάθε 10 δευτερολέπτα ενώ οι χρήστες ανοίγουν τα τηλέφωνά τους ή έχουν πρόσβαση σε ορισμένα μέσα κοινωνικής δικτύωσης και άλλες εφαρμογές.

Σε μια πρώιμη δοκιμή του συστήματος με 25 εθελοντές σε διάστημα τεσσάρων εβδομάδων, η ηλεκτρονική εφαρμογή, που ήταν ενσωματωμένη στα smartphones των εθελοντών ανέλυσε περίπου 16.000 αλληλεπιδράσεις με τα τηλέφωνα μόλις συλλέχθηκαν τα δεδομένα της εικόνας της κόρης. Αφού έμαθαν στην τεχνητή νοημοσύνη να διακρίνει τις «φυσιολογικές» αντιδράσεις από τις μη φυσιολογικές, οι ερευνητές επεξεργάστηκαν τα δεδομένα των φωτογραφιών και τα συνέκριναν με τις αυτοαναφερόμενες διαθέσεις των εθελοντών.

Θα συνεχίσουμε να αναπτύσσουμε αυτή την τεχνολογία τώρα που η ιδέα έχει δοκιμαστεί, προσθέτει η Βae, ο οποίος στο παρελθόν είχε αναπτύξει εφαρμογές για smartphone για την πρόβλεψη της κατάχρησης αλκοόλ και κάνναβης.

Η ηλεκτρονική εφαρμογή παρουσιάστηκε για πρώτη φορά στο Διεθνές Συνέδριο για την Υπολογιστική Δραστηριοτήτων και Συμπεριφοράς στην Ιαπωνία στα τέλη της άνοιξης και το σύστημα είναι πλέον διαθέσιμο με ανοιχτό κώδικα στην πλατφόρμα GitHub.

Οι εκφράσεις του προσώπου υποδεικνύουν επίσης την κατάθλιψη

Οι ερευνητές αναπτύσσουν επίσης ένα δεύτερο σύστημα, γνωστό ως FacePsy, το οποίο αναλύει αποτελεσματικά τις εκφράσεις του προσώπου για να καταλάβει τις διαθέσεις μας.

Ένας αυξανόμενος όγκος ψυχολογικών μελετών υποδεικνύει ότι η κατάθλιψη χαρακτηρίζεται από μη λεκτικά σήματα, όπως οι κινήσεις των μυών του προσώπου και οι χειρονομίες του κεφαλιού, επισημαίνει η Bae.

Το FacePsy εκτελείται στο παρασκήνιο ενός τηλεφώνου, λαμβάνοντας στιγμιότυπα προσώπου κάθε φορά που ανοίγει το τηλέφωνο ή ανοίγουν συχνά χρησιμοποιούμενες εφαρμογές. (Είναι σημαντικό ότι διαγράφει τις ίδιες τις εικόνες προσώπου σχεδόν αμέσως μετά την ανάλυση, προστατεύοντας την ιδιωτικότητα των χρηστών).

Δεν γνωρίζαμε ακριβώς ποιες χειρονομίες του προσώπου ή κινήσεις των ματιών θα αντιστοιχούσαν στην αυτοαναφερόμενη κατάθλιψη όταν ξεκινήσαμε, εξηγεί η Bae. Κάποιες από αυτές ήταν αναμενόμενες και κάποιες από αυτές μας εξέπληξαν.

Το αυξημένο χαμόγελο, για παράδειγμα, φάνηκε στην πιλοτική μελέτη να συσχετίζεται όχι με την ευτυχία, αλλά με πιθανά σημάδια καταθλιπτικής διάθεσης και επίδρασης.

Αυτό θα μπορούσε να είναι ένας μηχανισμός αντιμετώπισης, δηλαδή οι άνθρωποι να δείχνουν ότι είναι χαρούμενοι για τον εαυτό τους και για τους άλλους όταν στην πραγματικότητα αισθάνονται καταβεβλημένοι, λέει η Bae. Ωστόσο, χρειάζεται περισσότερη έρευνα.

Άλλα εμφανή σημάδια κατάθλιψης που αποκαλύφθηκαν στα πρώτα δεδομένα περιλάμβαναν λιγότερες κινήσεις του προσώπου κατά τις πρωινές ώρες και ορισμένα πολύ συγκεκριμένα μοτίβα κίνησης των ματιών και του κεφαλιού. (Για παράδειγμα, οι κινήσεις του κεφαλιού κατά τις πρωινές ώρες φάνηκε να συνδέονται στενά με αυξημένα καταθλιπτικά συμπτώματα).

Το ενδιαφέρον εύρημα είναι ότι η πιθανή κατάθλιψη συνδέθηκε με το αν τα μάτια ήταν πιο ανοιχτά κατά τις πρωινές ή τις βραδινές ώρες, υποδηλώνοντας ότι οι εξωτερικές εκφράσεις εγρήγορσης ή ευτυχίας μπορεί μερικές φορές να καλύπτουν τα καταθλιπτικά συναισθήματα που κρύβονται από κάτω.

Πιστεύουμε ότι αυτή η πιλοτική μελέτη FacePsy είναι ένα μεγάλο πρώτο βήμα προς ένα συμπαγές, φθηνό και εύχρηστο διαγνωστικό εργαλείο, συμπλήρωσε η Bae.

Έρευνα: Rahul Islam et al, FacePsy: An Open-Source Affective Mobile Sensing System – Analyzing Facial Behavior and Head Gesture for Depression Detection in Naturalistic Settings, Proceedings of the ACM on Human-Computer Interaction (2024). DOI: 10.1145/3676505
Aπόδοση – Επιμέλεια: PsychologyNow.gr