يجري العمل على إنشاء نماذج للتنبؤ بالقلق والاكتئاب ، باستخدام الذكاء الاصطناعي (AI) وتويتر ، أحد أكبر منصات التواصل الاجتماعي في العالم ، والتي يمكنها اكتشاف علامات هذه الأمراض قبل التشخيص السريري ، وفقًا للباحثين.
قال باحثون في جامعة ساو باولو (USP) في البرازيل إن النتائج الأولية من النموذج تشير إلى إمكانية اكتشاف احتمالية إصابة الشخص بالاكتئاب بناءً على أصدقائه ومتابعيه على وسائل التواصل الاجتماعي فقط.
نُشرت النتائج في مجلة Language Resources and Evaluation.
قال الباحثون إنه في حين أن هناك العديد من الدراسات التي تنطوي على معالجة اللغة الطبيعية (NLP) التي تركز على الاكتئاب والقلق والاضطراب ثنائي القطب ، فإن معظم هذه الدراسات قامت بتحليل النصوص الإنجليزية ولم تتطابق مع ملامح البرازيليين.
تضمنت الخطوة الأولى في هذه الدراسة إنشاء قاعدة بيانات ، تسمى SetembroBR ، للمعلومات المتعلقة بمجموعة من 47 مليون نص برتغالي منشور علنًا وشبكة اتصالات بين 3900 مستخدم على Twitter. وبحسب ما ورد تم تشخيص هؤلاء المستخدمين أو علاجهم من مشاكل الصحة العقلية قبل المسح. تم جمع التغريدات خلال جائحة COVID-19.
“أولاً ، قمنا بجمع الجداول الزمنية يدويًا ، وتحليل التغريدات من قبل حوالي 19000 مستخدم ، أي ما يعادل عدد سكان قرية أو بلدة صغيرة.
قال إيفاندر بارابوني ، المؤلف الأخير من مقال وأستاذ في جامعة جنوب المحيط الهادئ.
نظرًا لأن الأشخاص الذين يعانون من مشاكل الصحة العقلية يميلون إلى متابعة حسابات معينة مثل منتديات المناقشة والمؤثرين والمشاهير الذين يعترفون علنًا بالاكتئاب ، فقد جمعت الدراسة أيضًا تغريدات من الأصدقاء والمتابعين.
قدمت الخطوة الثانية ، التي لا تزال جارية ، بعض النتائج الأولية ، مثل إمكانية اكتشاف احتمالية إصابة شخص بالاكتئاب بناءً على أصدقائه ومتابعيه على وسائل التواصل الاجتماعي فقط ، دون أخذ منشوراتهم في الاعتبار.
بعد المعالجة المسبقة للمجموعة للحفاظ على النصوص الأصلية عن طريق إزالة الأحرف غير القياسية ، نشر الباحثون التعلم العميق (AI) ، لإنشاء أربعة مصنّفات نصوص وتضمين الكلمات (تمثيلات رياضية تعتمد على السياق للعلاقات بين الكلمات) باستخدام نماذج تستند إلى تمثيلات التشفير ثنائية الاتجاه من المحولات (BERT) ، وهي خوارزمية تعلم الآلة المستخدمة في البرمجة اللغوية العصبية.
تتوافق هذه النماذج مع شبكة عصبية تتعلم السياقات والمعاني من خلال مراقبة علاقات البيانات المتسلسلة ، مثل الكلمات في الجملة. تألفت مدخلات التدريب من عينة من 200 تغريدة تم اختيارها عشوائيًا من كل مستخدم.
وجد الباحثون أنه من بين النماذج ، كان أداء BERT أفضل من حيث التنبؤ بالاكتئاب والقلق. قالوا إنه نظرًا لتحليل النماذج لتسلسل الكلمات والجمل الكاملة ، كان من الممكن ملاحظة أن الأشخاص المصابين بالاكتئاب ، على سبيل المثال ، يميلون إلى الكتابة عن مواضيع مرتبطة بأنفسهم ، باستخدام الأفعال والعبارات في ضمير المتكلم ، بالإضافة إلى موضوعات مثل كموت وأزمة وعلم نفس.
وقال بارابوني: “علامات الاكتئاب التي يمكن اكتشافها أثناء زيارة الطبيب ليست بالضرورة هي نفسها التي تظهر على وسائل التواصل الاجتماعي”.
“على سبيل المثال ، كان استخدام ضمائر الشخص الأول أنا وأنا واضحًا جدًا ، وفي علم النفس يعتبر هذا علامة كلاسيكية للاكتئاب. ولاحظنا أيضًا الاستخدام المتكرر للرموز التعبيرية للقلب من قبل المستخدمين المصابين بالاكتئاب.
قال بارابوني: “يُعتقد على نطاق واسع أن هذا رمز للعاطفة والحب ، لكن ربما لم يصفه علماء النفس على هذا النحو بعد”.
يقوم الباحثون الآن بتوسيع قاعدة البيانات ، وتحسين تقنياتهم الحسابية ورفع مستوى النماذج من أجل معرفة ما إذا كان بإمكانهم إنتاج أداة لاستخدامها في المستقبل في فحص المرضى المحتملين من مشاكل الصحة العقلية ومساعدة أسر وأصدقاء الشباب المعرضين لخطر الإصابة بالاكتئاب و قلق.
