AI kan forutsi psykoserisiko i hverdagsspråk
Folks språk kan avsløre ledetråder om deres fremtidige risiko for å utvikle psykose. Forskere konkluderte med dette etter å ha studert de subtile funksjonene i folks daglige tale.
Forskere ved Emory University i Atlanta, GA og Harvard University i Boston, MA, brukte en maskinlæringsteknikk for å analysere språk i en gruppe unge mennesker med risiko.
De fant ut at de kunne forutsi hvilke individer som fortsatte å utvikle psykose med en nøyaktighet på 93%.
En nylig npj Schizofreni studiepapir beskriver hvordan teamet utviklet og testet metoden.
Seniorstudieforfatter Phillip Wolff, professor i psykologi ved Emory University, forklarer at tidligere forskning allerede hadde slått fast at "subtile trekk ved fremtidig psykose er til stede i folks språk." Han bemerket imidlertid: "Vi har brukt maskinlæring for å avdekke skjulte detaljer om disse funksjonene."
Han og kollegene utviklet sin maskinlæringsmetode for å måle to språklige variabler: semantisk tetthet og bruk av ord relatert til lyd.
De konkluderte med at "konvertering til psykose er signalisert av lav semantisk tetthet og snakk om stemmer og lyder."
Lav semantisk tetthet er et mål på det teamet omtaler som "fattigdom av innhold" eller uklarhet.
"Dette arbeidet," bemerker forfatterne, "er et bevis på konseptstudie som viser at indikatorer for fremtidig mental helse kan hentes fra folks naturlige språk ved hjelp av beregningsmetoder."
Maskinlæring og psykosesymptomer
Maskinlæring er en type kunstig intelligens der datamaskiner "lærer av erfaring" uten at forskere trenger å programmere læringen eksplisitt.
Et maskinlæringssystem ser etter mønstre i et kjent datasett og bestemmer hvilke mønstre som identifiserer spesifikke funksjoner. Etter å ha "lært" hva disse funksjonene er, kan den utrettelig identifisere dem i et nytt datasett.
Maskinlæring kan oppdage mønstre i folks bruk av språk som selv leger som har gjennomgått opplæring for å diagnostisere og behandle de som er utsatt for psykose, kanskje ikke legger merke til det.
"Å prøve å høre disse finessene i samtaler med mennesker er som å prøve å se mikroskopiske bakterier med øynene dine," forklarer første studieforfatter Neguine Rezaii, stipendiat ved Nevrologisk avdeling ved Harvard Medical School.
Det er imidlertid mulig å bruke maskinlæring for å finne visse subtile mønstre som gjemmer seg på folks språk. "Det er som et mikroskop for advarselstegn på psykose," legger hun til.
Rezaii begynte å jobbe med studien mens hun var bosatt i Institutt for psykiatri og atferdsvitenskap ved Emory University School of Medicine.
Psykose er en sinnstilstand der det kan være vanskelig å se forskjellen mellom hva som er ekte og ikke.
Når en person kommer inn i denne sinnstilstanden, kaller leger det en psykotisk episode. I løpet av en slik episode opplever folk forstyrrede oppfatninger og tanker. Vrangforestillinger og hallusinasjoner er vanlige symptomer på psykose.
Under en psykotisk episode kan en person vise upassende oppførsel eller snakke usammenhengende. I tillegg kan de oppleve søvnforstyrrelser og bli sosialt tilbaketrukket, deprimert og engstelig.
I USA vil om lag 3% av menneskene oppleve en periode med psykose i løpet av livet, ifølge tall fra National Institute of Mental Health, som er en av National Institutes of Health (NIH).
Forbedre tidlig diagnose av psykoserisiko
Psykose er et kjennetegn på schizofreni og andre alvorlige langvarige psykiske helsemessige forhold.
Advarselstegnene på psykose begynner vanligvis i midten til slutten av tenårene med en klynge av psykosesymptomer som leger beskriver som prodromalt syndrom.
Rundt 25–30% av tenårene som utvikler prodromalt syndrom, vil utvikle en psykotisk sykdom som schizofreni.
Fra intervjuer og tester av kognitiv evne kan leger med riktig opplæring vanligvis forutsi hvilke personer med prodromalt syndrom som vil utvikle psykose med en nøyaktighet på rundt 80%.
Forskere prøver forskjellige tilnærminger for å forbedre denne prediksjonshastigheten og gjøre diagnoseprosessen mer nøyaktig og grei. Maskinlæring er en av disse tilnærmingene.
Prof. Wolff og teamet hans begynte studiet sitt med å få maskinlæringssystemet til å identifisere språknormene i hverdagssamtalen.
De matet systemet online-samtaler fra 30 000 brukere av Reddit. Reddit er en online nyhet, innholdsvurdering og diskusjonsplattform der registrerte brukere kan snakke om ulike emner.
Teamet brukte Word2Vec-programvare for å analysere enkeltord i samtalen. Programvaren kartlegger ord slik at de som har lignende betydninger, er nær hverandre i ”semantisk rom”, mens de som har svært forskjellige betydninger er langt borte fra hverandre.
Forskerne la til et annet program i systemet for å utvide dets evne til å analysere semantikk. Tidligere studier har begrenset denne analysen til å måle semantisk koherens, som ser på hvordan folk bruker ord på tvers av setninger.
Semantisk tetthet går imidlertid et skritt videre og vurderer også hvordan folk organiserer ordene sine i setninger. Teamet antyder at dette er en bedre indikator på de mentale prosessene som folk bruker til å danne setninger.
Etter å ha trent maskinlæringssystemet for å etablere en "normal basislinje", matet teamet det samtalene fra diagnostiske intervjuer med 40 deltakere i den nordamerikanske Prodrome Longitudinal Study (NAPLS).
NAPLS er et 14-årig prosjekt på flere sider som tar sikte på å forbedre legenes evne til å diagnostisere unge mennesker som kan være i fare for å utvikle psykose og forstå årsakene.
Teamet sammenlignet deretter maskinlæringsanalysen av NAPLS-samtalene med basisdataene. De sammenlignet det også med oppfølgingsdata som viste hvilke deltakere som utviklet psykose.
Resultatene avslørte at deltakere som senere utviklet psykose, pleide å bruke flere lydrelaterte ord enn baselinjen, og de brukte også ord med lignende betydning oftere.
"Hvis vi kan identifisere personer som er i fare tidligere og bruker forebyggende inngrep," forklarer medforfatter Prof. Elaine Walker, "kan vi kanskje reversere underskuddene."
"Det er gode data som viser at behandlinger som kognitiv atferdsterapi kan forsinke utbruddet og kanskje til og med redusere forekomsten av psykose," legger hun til.
Teamet setter nå sammen mer omfattende samlinger av data og planlegger å teste den nye maskinlæringsteknikken med andre hjerne- og psykiatriske tilstander, for eksempel demens.
"Denne forskningen er interessant ikke bare for potensialet til å avsløre mer om psykiske lidelser, men for å forstå hvordan sinnet fungerer - hvordan det setter ideer sammen."
Prof. Phillip Wolff
