مشکلات سلامت روان مانند افسردگی و اضطراب که در دوران نوجوانی در سراسر جهان رو به افزایش است، به دلیل ناکافی بودن مکانیسم‌های تشخیص زودهنگام، منجر به فرآیندهای بالینی چالش‌برانگیزی می‌شوند. محققان دانشکده علوم انسانی و علوم دانشگاه استنفورد در ایالات متحده آمریکا با استفاده از الگوریتم‌های هوش مصنوعی و پردازش زبان طبیعی (NLP) یک مطالعه پیشگامانه در دنیای روانپزشکی انجام داده‌اند. این تحقیق که در Nature Mental Health منتشر شده است، نشان داد که الگوهای گفتاری روزانه کودکان، شاخص‌هایی از اختلالات روانی است که ممکن است در آینده تجربه کنند.
دانشمندانی که ضبط‌های صوتی مصاحبه با بیش از 200 کودک 9 تا 13 ساله را بررسی کردند، چهار مدل مختلف پردازش زبان طبیعی را در سیستم ادغام کردند. در نتیجه بررسی‌ها، مشخص شد که سبک‌های گفتاری و روش‌های ساخت جملات کودکان، به جای محتوایی که برای توصیف آسیب‌های روانی که تجربه کرده‌اند، استفاده می‌کنند، نقش کلیدی در تعیین عامل خطر دارند.
چیس آنتوناچی، نویسنده اصلی، گزارش داد که فراوانی استفاده از حروف ربط کوچک مانند “و”، “برای” و “اما” و همچنین توالی‌های حرف اضافه، در نشان دادن خطر روانی تعیین‌کننده بودند. تمرکز بیش از حد بر ضمایر مفرد اول شخص و تکرار الگوهای زبانی خاص، میزان موفقیت پیش‌بینی بالاتری نسبت به هیئت‌های پزشکی متخصص در شناسایی مشکلات سلامت روان که افراد ممکن است تا شش سال قبل از دریافت تشخیص بالینی تجربه کنند، نشان داد.
می‌تواند جایگزین آزمایش‌های خون و آنالیزهای آزمایشگاهی گران‌قیمت شود
روش‌های پزشکی سنتی از فرآیندهای آزمایشگاهی پرهزینه و پیچیده مانند آزمایش خون، ردیابی طول تلومر (کلاهک‌های کروموزومی محافظ) یا اندازه‌گیری هورمون کورتیزول برای اندازه‌گیری استرس مزمن و خطرات سلامت روان در کودکان استفاده می‌کنند.
دکتر ایان گوتلیب، استاد روانشناسی دانشگاه استنفورد، تأکید کرد که روش تجزیه و تحلیل گفتار مبتنی بر هوش مصنوعی، جایگزینی اقتصادی و بسیار در دسترس ارائه می‌دهد. این روش که نیازی به نمونه‌گیری خون یا مداخله فیزیکی ندارد، قدرت پیش‌بینی قوی‌تری نسبت به تمام شاخص‌های بیولوژیکی موجود دارد.
حمایت و درمان خانواده به عنوان یک سپر محافظ عمل می‌کند
در این مطالعه، علاوه بر سبک زبان، محتوای مصاحبه نیز مورد تجزیه و تحلیل قرار گرفت. توصیف خشونت فیزیکی یا طرد اجتماعی شدید تجربه شده در محیط مدرسه در اظهارات کودکان به عنوان عوامل پرخطر ثبت شد.
از سوی دیگر، مشخص شد کودکانی که به فعالیت‌های ورزشی، باشگاه‌های مدرسه و حمایت خانواده اشاره کردند، از سطح بالایی از تاب‌آوری روانی برخوردار بودند. قابل توجه‌ترین سیگنال محافظتی در تجزیه و تحلیل‌ها، ارجاع کودکان به مشاور روانشناسی یا حمایت درمانگر در مکالماتشان بود.
این مدل هوش مصنوعی که قرار است در آینده از طریق ضبط صدای گوشی‌های هوشمند برای مخاطبان زیادی اعمال شود، امکان شناسایی کودکان در گروه خطر را در دوره قبل از نوجوانی و شروع فرآیندهای درمانی اولیه فراهم می‌کند.
