AI dapat memprediksi risiko psikosis dalam bahasa sehari-hari
Bahasa orang dapat mengungkapkan petunjuk tentang risiko mengembangkan psikosis di masa depan. Ilmuwan menyimpulkan ini setelah mempelajari fitur halus dari percakapan sehari-hari orang.
Peneliti di Emory University di Atlanta, GA, dan Harvard University di Boston, MA, menggunakan teknik pembelajaran mesin untuk menganalisis bahasa dalam sekelompok anak muda yang berisiko.
Mereka menemukan bahwa mereka dapat memprediksi individu mana yang akan mengembangkan psikosis dengan akurasi 93%.
Baru baru ini npj Skizofrenia makalah studi menjelaskan bagaimana tim mengembangkan dan menguji metode tersebut.
Penulis studi senior Phillip Wolff, seorang profesor psikologi di Emory University, menjelaskan bahwa penelitian sebelumnya telah menetapkan bahwa "fitur halus psikosis masa depan hadir dalam bahasa orang." Namun, dia mencatat, "kami telah menggunakan pembelajaran mesin untuk benar-benar mengungkap detail tersembunyi tentang fitur tersebut."
Dia dan rekan-rekannya merancang pendekatan pembelajaran mesin mereka untuk mengukur dua variabel linguistik: kepadatan semantik dan penggunaan kata-kata yang berkaitan dengan suara.
Mereka menyimpulkan bahwa "konversi ke psikosis ditandai dengan kepadatan semantik yang rendah dan pembicaraan tentang suara dan suara".
Kepadatan semantik rendah adalah ukuran dari apa yang disebut tim sebagai "kemiskinan konten" atau ketidakjelasan.
“Karya ini,” para penulis mencatat, “adalah bukti studi konsep yang menunjukkan bahwa indikator kesehatan mental di masa depan dapat diambil dari bahasa alami orang menggunakan metode komputasi.”
Pembelajaran mesin dan gejala psikosis
Pembelajaran mesin adalah jenis kecerdasan buatan di mana komputer "belajar dari pengalaman" tanpa ilmuwan harus memprogram pembelajaran secara eksplisit.
Sistem pembelajaran mesin mencari pola dalam kumpulan data yang diketahui dan memutuskan pola mana yang mengidentifikasi fitur tertentu. Setelah "mempelajari" apa saja fitur-fitur ini, ia dapat tanpa lelah mengidentifikasinya dalam kumpulan data baru.
Pembelajaran mesin dapat menemukan pola dalam penggunaan bahasa orang-orang yang bahkan dokter yang telah menjalani pelatihan untuk mendiagnosis dan merawat mereka yang berisiko psikosis mungkin tidak menyadarinya.
“Mencoba mendengar seluk-beluk ini dalam percakapan dengan orang-orang seperti mencoba melihat kuman mikroskopis dengan mata Anda,” jelas penulis studi pertama Neguine Rezaii, seorang rekan di Departemen Neurologi di Harvard Medical School.
Namun, pembelajaran mesin dapat digunakan untuk menemukan pola halus tertentu yang tersembunyi dalam bahasa orang. “Ini seperti mikroskop untuk tanda peringatan psikosis,” tambahnya.
Rezaii mulai mengerjakan penelitian ini saat dia menjadi penduduk di Departemen Psikiatri dan Ilmu Perilaku di Sekolah Kedokteran Universitas Emory.
Psikosis adalah keadaan pikiran di mana sulit untuk membedakan antara apa yang nyata dan yang tidak.
Ketika seseorang memasuki keadaan pikiran ini, dokter menyebutnya sebagai episode psikotik. Selama episode seperti itu, orang mengalami gangguan persepsi dan pikiran. Delusi dan halusinasi adalah gejala umum psikosis.
Selama episode psikotik, seseorang mungkin menunjukkan perilaku yang tidak pantas atau berbicara tidak jelas. Selain itu, mereka mungkin mengalami gangguan tidur dan menarik diri secara sosial, depresi, dan cemas.
Di Amerika Serikat, sekitar 3% orang akan mengalami periode psikosis selama hidup mereka, menurut angka dari National Institute of Mental Health, yang merupakan salah satu National Institutes of Health (NIH).
Meningkatkan diagnosis dini risiko psikosis
Psikosis adalah ciri khas skizofrenia dan kondisi kesehatan mental jangka panjang yang parah lainnya.
Tanda-tanda psikosis biasanya dimulai pada pertengahan hingga akhir masa remaja dengan sekelompok gejala psikosis yang oleh dokter digambarkan sebagai sindrom prodromal.
Sekitar 25-30% remaja yang mengembangkan sindrom prodromal akan mengembangkan penyakit psikotik seperti skizofrenia.
Dari wawancara dan tes kemampuan kognitif, dokter dengan pelatihan yang sesuai biasanya dapat memprediksi penderita sindrom prodromal mana yang akan mengembangkan psikosis dengan akurasi sekitar 80%.
Ilmuwan mencoba berbagai pendekatan untuk meningkatkan tingkat prediksi ini dan membuat proses diagnostik lebih akurat dan mudah. Pembelajaran mesin adalah salah satu pendekatan ini.
Prof. Wolff dan timnya memulai studi mereka dengan mendapatkan sistem pembelajaran mesin untuk mengidentifikasi norma bahasa percakapan sehari-hari.
Mereka memberi makan sistem percakapan online dari 30.000 pengguna Reddit. Reddit adalah berita online, peringkat konten, dan platform diskusi tempat pengguna terdaftar dapat berbicara tentang berbagai topik.
Tim menggunakan perangkat lunak Word2Vec untuk menganalisis setiap kata dalam percakapan. Perangkat lunak ini memetakan kata-kata sehingga kata-kata yang memiliki arti serupa berada di dekat satu sama lain dalam "ruang semantik", sedangkan kata-kata yang memiliki arti yang sangat berbeda berada jauh satu sama lain.
Para peneliti menambahkan program lain ke sistem untuk memperluas kemampuannya menganalisis semantik. Studi sebelumnya telah membatasi analisis ini untuk mengukur koherensi semantik, yang melihat bagaimana orang menggunakan kata-kata di seluruh kalimat.
Namun, kepadatan semantik selangkah lebih maju dan juga menilai bagaimana orang mengatur kata-kata mereka ke dalam kalimat. Tim menyarankan bahwa ini adalah indikator yang lebih baik dari proses mental yang digunakan orang untuk membentuk kalimat.
Setelah melatih sistem pembelajaran mesin untuk menetapkan "garis dasar normal", tim kemudian memberikan percakapan dari wawancara diagnostik dari 40 peserta di North American Prodrome Longitudinal Study (NAPLS).
NAPLS adalah proyek multisite selama 14 tahun yang bertujuan untuk meningkatkan kemampuan dokter dalam mendiagnosis kaum muda yang mungkin berisiko mengembangkan psikosis dan untuk memahami alasannya.
Tim kemudian membandingkan analisis pembelajaran mesin dari percakapan NAPLS dengan data dasar. Mereka juga membandingkannya dengan data tindak lanjut yang menunjukkan peserta mana yang kemudian mengembangkan psikosis.
Hasilnya mengungkapkan bahwa peserta yang kemudian mengembangkan psikosis cenderung menggunakan lebih banyak kata yang berhubungan dengan suara daripada kata dasar, dan mereka juga lebih sering menggunakan kata-kata yang memiliki arti serupa.
"Jika kami dapat mengidentifikasi individu yang berisiko lebih awal dan menggunakan intervensi pencegahan," jelas penulis bersama Prof. Elaine Walker, "kami mungkin dapat membalikkan defisit."
“Ada data bagus yang menunjukkan bahwa perawatan seperti terapi perilaku kognitif dapat menunda onset dan bahkan mungkin mengurangi terjadinya psikosis,” tambahnya.
Tim tersebut sekarang mengumpulkan lebih banyak koleksi data dan berencana untuk menguji teknik pembelajaran mesin baru dengan kondisi otak dan kejiwaan lain, seperti demensia.
"Penelitian ini menarik bukan hanya karena potensinya untuk mengungkap lebih banyak tentang penyakit mental, tetapi juga untuk memahami cara kerja pikiran - bagaimana ia menyatukan ide."
Prof. Phillip Wolff
