Nieuwe AI detecteert psychische stoornissen op basis van webposts

Dartmouth-onderzoekers hebben een kunstmatige-intelligentiemodel gebouwd voor het detecteren van psychische stoornissen met behulp van gesprekken op Reddit, onderdeel van een opkomende golf van screeningtools die computers gebruiken om posts op sociale media te analyseren en inzicht te krijgen in de mentale toestanden van mensen.

Wat maakt het nieuwe? model apart is een focus op de emoties in plaats van de specifieke inhoud van de sociale media-teksten die worden geanalyseerd. In een paper gepresenteerd op de 20e Internationale Conferentie over Web Intelligence en Intelligent Agent Technology, laten de onderzoekers zien dat deze aanpak in de loop van de tijd beter presteert, ongeacht de onderwerpen die in de berichten worden besproken.

Er zijn veel redenen waarom mensen geen hulp zoeken voor: geestelijke gezondheidsproblemen— stigma, hoge kosten en gebrek aan toegang tot diensten zijn enkele veelvoorkomende belemmeringen. Er is ook een neiging om tekenen van psychische stoornissen of vermeng ze met stress, zegt Xiaobo Guo, Guarini '24, een co-auteur van het artikel. Het is mogelijk dat ze hulp zoeken met wat aansporing, zegt hij, en dat is waar digitale screeningtools een verschil kunnen maken.

"Sociale media bieden een gemakkelijke manier om in te spelen op het gedrag van mensen", zegt Guo. De gegevens zijn vrijwillig en openbaar, gepubliceerd voor anderen om te lezen, zegt hij.

Reddit, dat een enorm netwerk van gebruikersforums biedt, was hun favoriete platform omdat het bijna een half miljard actieve gebruikers heeft die een breed scala aan onderwerpen bespreken. De berichten en opmerkingen zijn openbaar en de onderzoekers zouden gegevens kunnen verzamelen die teruggaan tot 2011.

In hun onderzoek richtten de onderzoekers zich op wat zij noemen emotionele stoornissen- ernstige depressieve, angst- en bipolaire stoornissen - die worden gekenmerkt door duidelijke emotionele patronen. Ze keken naar gegevens van gebruikers die zelf hadden gemeld dat ze een van deze stoornissen hadden en van gebruikers zonder bekende psychische stoornissen.

Ze hebben hun model getraind om de emoties te labelen die in berichten van gebruikers worden uitgedrukt en de emotionele overgangen tussen verschillende berichten in kaart te brengen, zodat een bericht kan worden gelabeld als 'vreugde', 'boosheid', 'verdriet', 'angst', 'geen emotie' of een combinatie hiervan. De kaart is een matrix die zou laten zien hoe waarschijnlijk het was dat een gebruiker van de ene toestand naar de andere ging, bijvoorbeeld van woede naar een neutrale toestand zonder emotie.

Verschillende emotionele stoornissen hebben hun eigen kenmerkende patronen van emotionele overgangen. Door een emotionele "vingerafdruk" voor een gebruiker te maken en deze te vergelijken met vastgestelde tekenen van emotionele stoornissen, kan het model deze detecteren. Om hun resultaten te valideren, hebben ze het getest op berichten die niet tijdens de training zijn gebruikt en laten zien dat het model nauwkeurig voorspelt welke gebruikers wel of niet een van deze aandoeningen hebben.

Deze aanpak omzeilt een belangrijk probleem dat 'informatielekken' wordt genoemd en waar typische screeningtools tegenaan lopen, zegt Soroush Vosoughi, assistent-professor informatica en een andere co-auteur. Andere modellen zijn gebouwd rond het onderzoeken en vertrouwen op de inhoud van de tekst, zegt hij, en hoewel de modellen hoge prestaties laten zien, kunnen ze ook misleidend zijn.

Lees hier het hele verhaal ...