Kesehatan

Aplikasi Kecerdasan Buatan Terbaru Mampu Memprediksi Kesehatan Mental

Durasi Baca: 5 menit

Sebuah metode pembelajaran mesin (kecerdasan buatan) dapat dimanfaatkan untuk menemukan petunjuk tersembunyi dalam bahasa percakapan orang untuk memprediksi kemunculan psikosis di masa depan. Sebuah makalah yang diterbitkan di jurnal npj Schizophrenia melaporkan hasil penelitian para ilmuwan di Universitas Emory dan Universitas Harvard. Pembelajaran mesin adalah cabang dari  kecerdasan buatan, merupakan disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang memungkinkan komputer untuk mengembangkan perilaku yang didasarkan pada data empiris, seperti dari sensor data basis data

Para peneliti juga mengembangkan metode pembelajaran mesin baru untuk lebih tepat mengukur kekayaan semantik bahasa percakapan orang, indikator yang dikenal untuk psikosis. Semantik adalah cabang linguistik yang mempelajari makna / arti yang terkandung dalam bahasa, kode, atau jenis lain dari representasi. Dengan kata lain, semantik adalah studi tentang makna. 

Hasil mereka menunjukkan bahwa analisis otomatis dari dua variabel bahasa — lebih sering menggunakan kata-kata yang terkait dengan suara dan berbicara dengan kepadatan semantik yang rendah, atau ketidakjelasan — dapat memprediksi apakah orang yang berisiko nantinya akan mengembangkan psikosis dengan akurasi 93 persen.

Bahkan dokter terlatih tidak memperhatikan bagaimana orang yang berisiko untuk psikosis menggunakan lebih banyak kata yang terkait dengan suara dibanding rata-rata orang umumnya, meskipun persepsi pendengaran yang abnormal adalah gejala pra-klinis.

“Mencoba mendengar seluk-beluk ini dalam percakapan dengan orang-orang seperti mencoba melihat kuman mikroskopis dengan mata Anda,” kata Neguine Rezaii, penulis pertama makalah ini. “Teknik otomatis yang kami kembangkan adalah alat yang sangat sensitif untuk mendeteksi pola tersembunyi ini. Ini seperti mikroskop untuk tanda-tanda psikosis peringatan.”

Baca juga:  Cyber Agriculture, Sebuah Teknologi Pertanian Masa Depan.

Rezaii mulai bekerja di atas kertas ketika dia tinggal di Departemen Ilmu Psikiatri dan Ilmu Perilaku Beasiswa Emory. Dia sekarang menjadi rekan di Departemen Neurologi Fakultas Kedokteran Harvard.

“Sebelumnya diketahui bahwa fitur halus psikosis masa depan hadir dalam bahasa orang, tetapi kami telah menggunakan pembelajaran mesin untuk benar-benar mengungkap detail tersembunyi tentang fitur tersebut,” kata penulis senior Phillip Wolff, seorang profesor psikologi di Emory.  Laboratorium Wolff berfokus pada semantik bahasa dan pembelajaran mesin untuk memprediksi pengambilan keputusan dan kesehatan mental .

“Temuan kami adalah unik dan menambah bukti yang menunjukkan potensi untuk menggunakan pembelajaran mesin (kecerdasan buatan) untuk mengidentifikasi kelainan linguistik yang terkait dengan penyakit mental,” kata rekan penulis Elaine Walker, seorang profesor psikologi dan neuroscience Emory yang meneliti bagaimana skizofrenia dan gangguan psikotik lainnya berkembang.

Pendekatan pembelajaran mesin untuk memprediksi psikosis menggunakan kepadatan semantik dan analisis konten laten. Sumber: Schizophrenia

Terjadinya skizofrenia dan gangguan psikotik lainnya biasanya terjadi pada awal 20-an, dengan tanda-tanda peringatan – dikenal sebagai sindrom prodromal – dimulai sekitar usia 17 tahun. Sekitar 25 hingga 30 persen remaja yang memenuhi kriteria untuk sindrom prodromal akan mengalami skizofrenia atau gangguan psikotik lainnya .

Menggunakan wawancara terstruktur dan tes kognitif, dokter terlatih dapat memprediksi psikosis dengan akurasi sekitar 80 persen pada mereka dengan sindrom prodromal. Pada fase prodromal ini biasanya timbul gejala-gejala non spesifik yang lamanya bisa mingguan, bulanan ataupun lebih dari satu tahun sebelum onset psikotik menjadi jelas. Gejala pada fase ini meliputi: hendaya (perilaku menyimpang) fungsi pekerjaan, fungsi sosial, fungsi penggunaan waktu luang dan fungsi perawatan diri
Perubahan-perubahan ini akan mengganggu individu serta membuat resah keluarga dan teman, mereka akan mengatakan “orang ini tidak seperti yang dulu”. Semakin lama fase prodromal semakin buruk prognosisnya.

Pendekatan pembelajaran mesin untuk memprediksi psikosis menggunakan kepadatan semantik dan analisis konten laten. Proses yang terlibat dalam analisa vektor. 
Kata-kata dalam kalimat (hitam) ketika dijumlahkan menghasilkan vektor kalimat yang dihasilkan (biru). Vektor-vektor makna diidentifikasi melalui pembelajaran bobot, yang menghasilkan kombinasi linear dari vektor-vektor yang mendekati vektor kalimat yang dihasilkan sedekat mungkin. Sumber: Schizophrenia

Penelitian pembelajaran mesin adalah salah satu di antara banyak upaya yang sedang berlangsung untuk merampingkan metode diagnostik, mengidentifikasi variabel baru, dan meningkatkan akurasi prediksi.

Baca juga:  7 Mitos dan Fakta Kesehatan Mental yang Wajib Diketahui

Saat ini, tidak ada obat untuk psikosis.

“Jika kita dapat mengidentifikasi individu yang berisiko lebih awal dan menggunakan intervensi preventif, kita mungkin dapat membalikkan defisit,” kata Walker. “Ada data bagus yang menunjukkan bahwa perawatan seperti terapi perilaku-kognitif dapat menunda onset, dan mungkin bahkan mengurangi terjadinya psikosis.”

Untuk makalah saat ini, para peneliti pertama kali menggunakan pembelajaran mesin untuk menetapkan “norma” untuk bahasa percakapan. Mereka memberi input data sebuah program perangkat lunak komputer dengan percakapan online 30.000 pengguna Reddit, sebuah platform media sosial di mana orang-orang berdiskusi informal tentang berbagai topik. Program perangkat lunak, yang dikenal sebagai Word2Vec, menggunakan algoritma untuk mengubah kata-kata individual menjadi vektor, menugaskan masing-masing lokasi di ruang semantik berdasarkan artinya. Kata-kata yang memiliki makna yang sama diposisikan lebih dekat bersama daripada kata-kata yang memiliki makna yang jauh berbeda.

Pipa digunakan untuk menentukan kepadatan semantik. 
sebuah kalimat Contoh dari para peserta. 
b Kalimat asli direduksi menjadi kata-kata isinya (kata benda, kata kerja, kata sifat, dan kata keterangan). 
c Penyematan kata untuk setiap kata konten ditambahkan bersamaan untuk menghasilkan vektor kalimat. 
d Vector unpacking digunakan untuk menemukan bobot yang dapat digunakan untuk skala vektor kata sehingga penambahannya mendekati vektor kalimat sedekat mungkin. 
eJumlah vektor komponen makna dibagi dengan jumlah kata konten untuk setiap kalimat untuk menghitung ukuran kepadatan semantik. 
Dalam apusan semantik, bobot relatif komponen makna dan kerapatan akhir ditentukan dalam kegelapan warna di sekitarnya. Sumber: Schizophrenia

Laboratorium Wolff juga mengembangkan program komputer untuk melakukan apa yang oleh para peneliti dijuluki “vector unpacking,” atau analisis kepadatan semantik dari penggunaan kata. Pekerjaan sebelumnya telah mengukur koherensi semantik antara kalimat.  Membongkar vektor memungkinkan para peneliti untuk menghitung berapa banyak informasi yang dikemas dalam setiap kalimat.

Setelah menghasilkan data dasar “normal”, para peneliti menerapkan teknik yang sama untuk wawancara diagnostik dari 40 peserta yang telah dilakukan oleh dokter terlatih, sebagai bagian dari Studi Longitudinal Produser Amerika Utara (NAPLS) multi-lokasi, yang didanai oleh Institusi Kesehatan. NAPLS difokuskan pada orang muda yang berisiko tinggi secara klinis untuk psikosis. Walker adalah peneliti utama untuk NAPLS di Emory, satu dari sembilan universitas yang terlibat dalam proyek 14 tahun.

Analisis otomatis dari sampel partisipan kemudian dibandingkan dengan sampel baseline normal dan data longitudinal pada apakah peserta dikonversi menjadi psikosis.

Baca juga:  Penggunaan Sensor untuk Meningkatkan Interaksi Manusia dan Robot

Hasil penelitian menunjukkan bahwa penggunaan kata-kata yang lebih tinggi dari normal yang terkait dengan suara, dikombinasikan dengan tingkat penggunaan kata-kata yang lebih tinggi dengan makna yang sama, berarti bahwa psikosis kemungkinan akan berkembang.

Kekuatan dari penelitian ini termasuk kesederhanaan menggunakan hanya dua variabel — keduanya memiliki landasan teoretis yang kuat — replikasi hasil dalam dataset ketidaksepakatan, dan akurasi prediksi yang tinggi, di atas 90 persen.

“Dalam dunia klinis, kita sering kurang presisi,” kata Rezaii. “Kami membutuhkan cara yang lebih terukur dan obyektif untuk mengukur variabel-variabel halus, seperti yang tersembunyi dalam penggunaan bahasa.”

Rezaii dan Wolff sekarang mengumpulkan set data yang lebih besar dan menguji penerapan metode mereka pada berbagai penyakit neuropsikiatri, termasuk demensia.

“Penelitian ini menarik bukan hanya karena potensinya untuk mengungkapkan lebih banyak tentang penyakit mental, tetapi untuk memahami bagaimana pikiran bekerja — bagaimana ia menyatukan ide-ide,” kata Wolff. “Teknologi pembelajaran mesin berkembang sangat cepat sehingga memberi kita alat untuk mengeksplorasi pikiran manusia.”

    Like
    Like Love Haha Wow Sad Angry

    Leave a Reply