أصبح الذّكاء الصُّنعيّ بطل السّاحة في مجال المساعدة في تشخيص الأمراض في السّنوات الأخيرة؛ فعلى سبيل المثال؛ نرى العديد من تطبيقات الذّكاء الصُّنعيّ في الكشف الأوتوماتيكيّ عن الأورام اعتمادًا على الصور الشعاعيّة [1]، أو الكشف عن أمراضٍ أخرى اعتمادًا على نتائج تحاليل مخبريّة [2].

لكنّ الاكتئاب مرضٌ نفسيٌّ، لا يمكن تصويره أو تمثيلُه رقميًّا، فكيف يمكن أن يساعد الذّكاء الصُّنعيّ في الكشف عنه إذًا؟
لنرى بدايةً كيف يُشخَّص عادةً..

يلجأ الأطباءُ النّفسيّون من أجل تشخيص الاكتئاب إلى إجراء مقابلاتٍ يسألون فيها مرضاهم أسئلةً محدّدةً، وتكون تلك الأسئلة حول تاريخهم الصحّي عادةً، وعن نمط الحياة التي يعيشونها، ومزاجهم عمومًا، ويبنون بعد ذلك تشخيصّهم بناءً على الأجوبة التي يتلقّونها.
وقد اعتمدَ بعض العلماء من ذلك المنطلق على تطوير أنظمةٍ ذكيّةٍ تستخدم خوارزميّاتٍ تبحث عن كلماتٍ ودلالاتٍ في المحادثات التي يُجريها الطبيب مع مريضه، بحيث تساعد في الوصول إلى تشخيصٍ مناسب.
وتعتمد تلك الخوارزميّات في كشفها على أجوبةٍ عن أسئلةٍ محددّة ينبغي على الطبيب طرحُها، وعلى الرغم من أنّها أبدتْ دقّةً عالية في الكشف عن الاكتئاب، لكنَّ لزوم طرْحِ تلك الأسئلة يحدُّ من شموليّتها، فكلّ شخصٍ يتحدّث بطريقة مغايرةٍ عن غيره، والطبيب يطرح أسئلةً خاصّة عادةً، وهي أسئلةٌ لم يتدرّب عليها النّظام الذكيّ مما يؤدّي إلى عدم قدرته على المساعدة في التّشخيص. فهل تغيّر ذلك اليوم؟ الجواب هو نعم!

فلقد قدّم باحثون من معهد MIT في ورقةٍ بحثيّةٍ حديثة تفاصيلَ نظامٍ ذكيٍّ جديد يعتمد على الشبكات العصبونيّة الصناعيّة Artificial Neural Networks التي تُدرَّب على معطياتٍ أكثر عموميّةً وشموليّة، كنصوصٍ وتسجيلاتٍ صوتية، ومقابلاتِ فيديو بين أطباء ومرضى يعانون الاكتئابَ بدرجاتٍ متفاوتة؛ ليكشفَ عنه بدقة عالية لاحقًا[3]. لكنّ لزوم الطبيب لا يزال ضروريًا، فهل يتغيّر ذلك في المستقبل؟ شاركنا رأيك!

يطمح الباحثون في هذا المجال إلى فتح الباب لتطوير أدواتٍ تستطيع الكشف عن الاكتئاب في المحادثات الطبيعية دون طبيبٍ أو عيادة بهذا النّموذج، بحيث تُستخدم على الهواتف الذكيّة لتراقب كلام مستخدميها في حياتهم اليوميّة، وتحلّل رسائلهم ومكالماتهم للكشف عن الاكتئاب أو عن أمراضٍ نفسيّة أو عقليّة أخرى. و تُرسِل عندها تحذيراتٍ أو نصائحَ لهم بناءً على تلك التّحليلات. وسيكون ذلك ذا فائدةٍ جمّة للأشخاص الذين لا يستطيعون الولوج إلى العيادات المختصّة بسبب ضيْق الوقت أو عدم القدرة على تحمّل التكاليف، وذا فائدةٍ أكبر للأشخاص الذين لا يعلمون بأنّ حالتهم تقتضي العلاج.

إذا كنت تتساءل كيف توصّلوا إلى تلك النّتيجة؟ فقد لخّصنا لك أهمّ النقاط في الفقرة الآتية:
إنَّ الابتكار الرئيسيّ لهذا النموذج يكمُن في قدرته على اكتشاف أنماطٍ تدلّ على الاكتئاب بتقنيةٍ تُدعى النَّمْذجةَ التتابعيّة Sequence Modelling، والتي تُستخدم في معالجة الكلام Speech Recognition غالبًا.  وفيه يبحث النموذج عن تتابعٍ من الكلمات أو الأنماط في حديث المريض، والتي تصدر عن أشخاصٍ مُصابين بالاكتئاب عادةً. وقد استخدم الباحثون لتدريب نموذج الذّكاء الصُّنعيّ هذا واختباره مجموعةَ بيانات تضمّ ردود أفعالٍٍ عددها 142، وهي تشمل مقابلاتٍ على شكل فيديوهاتٍ ومحادثاتٍ ونصوص لمرضى يعانون مشكلاتٍ نفسيّة؛ إذ يُقيَّم المرضى على مقياسٍ للاكتئاب بين 0 و 27، في حين أنّ المجال الواقع بين 10 و 14 صُنِّف لمتوسطيْ الاكتئاب، والمجال بين 15 و 19 صُنِّف لذوي الاكتئاب الحاد، بينما لم يتجاوز أيٌّ من الأشخاص عتبة الـ 20، وصُنِّف الأشخاص ما دون الـ 10 على أنّهم لا يعانون الاكتئاب. وقد استطاع النظام بعد التدريب أن يحقّق دقّةً تصل إلى 77 بالمئة في الكشف عن الاكتئاب على مجموعة معطيات الاختبار.

ومن الجدير بالذّكر أنّ الكشف عن الاكتئاب في المحادثات كان صعبًا على النظام، في حين كان أسهل في النّصوص؛ أي إنّ الناس تعبّر عن اكتئابها بالكتابة عادةً أكثر من تعبيرها بالكلام، ويمكن أن نستفيد من تلك النّتيجة في تطوير تلك الأنظمة لاحقًا.

ختامًا؛ هل تظنّ بأنّ تلك الأنظمة الذكيّة ستتغلب على خبرة الإنسان في الكشف عن الأمراض النّفسية والعقلية؟ شاركنا رأيك.

المصدر: هنا 

الدراسات المرجعية: 
1- Kapoor، L.، & Thakur، S. (2017، January). A survey on brain tumor detection using image processing techniques. In Cloud Computing، Data Science & Engineering-Confluence، 2017 7th International Conference on (pp. 582-585). IEEE.
2- Hudson، D. L.، & Cohen، M. E. (2000). Neural networks and artificial intelligence for biomedical engineering (pp. I-XXIII). New York: IEEE.
3-  Alhanai، T ، Ghassemi، M ، &Glass، G. (2018) Detecting Depression with Audio/Text Sequence Modeling of Interviews.