カウナス工科大学（KTU）の研究者らは、発話と脳の神経活動を分析することで97.53%の精度でうつ病を診断する人工知能モデルを開発し、メンタルヘルス診断における大きな進歩を示した。
うつ病は世界中で約 280 億 XNUMX 万人に影響を与えており、それを正確に診断することは常に大きな課題となっています。カウナス工科大学 (KTU) の研究者は、発話パターンと脳神経活動の両方を分析することで、非常に高い精度でうつ病を特定できる人工知能 (AI) モデルを開発し、この分野で画期的な進歩を遂げました。
「うつ病は最も一般的な精神疾患の一つであり、個人と社会の両方に壊滅的な影響を及ぼします。そこで私たちは、将来誰もが利用できる新しい、より客観的な診断方法を開発しています」と、KTUマルチメディア工学部の教授で共同執筆者のライス・マスケリウナス氏は述べた。 ニュースリリース.
マルチモーダルアプローチが診断精度を向上
公開済み ブレイン・サイエンス・ジャーナル誌によると、この革新は、音声と脳の電気的活動（EEG）という2種類のデータを統合するマルチモーダルアプローチから生まれたものである。
研究者らは、従来の診断方法のほとんどが 1 種類のデータに依存しているのに対し、この二重のアプローチにより、人の感情状態をより包括的に理解できると主張している。
この複合分析により、うつ病の診断精度は97.53%と驚異的な数値を達成し、既存の方法に比べて大幅に改善されました。
「音声は、脳からはまだ抽出できないデータを研究に追加するからだ」とマスケリウナス氏は付け加えた。
音声と脳データ: 強力な診断コンビ
このプロジェクトに貢献した博士課程の学生、ムシヤブ・ユースフィ氏によると、データソースの選択は慎重に検討されたという。同氏は、顔の表情は人の心理状態についてある程度の洞察を与えてくれるが、簡単に操作できると指摘した。
「声を選んだのは、診断が話すペース、イントネーション、全体的なエネルギーに影響を与えるため、感情の状態を微妙に明らかにすることができるからです」とユースフィ氏はニュースリリースで述べた。
患者のプライバシーも重要な考慮事項でした。顔認識などの従来の方法はプライバシーを侵害する可能性がありますが、音声認識や脳波はプライバシーを侵害するリスクが低く、同様に有益なデータを提供します。
「複数のソースからデータを収集して組み合わせることは、今後の利用にとってより有望です」とマスケリウナス氏は付け加えた。
今後の道筋: AIの透明性と理解の向上
KTU の研究チームは、EEG データに精神障害分析のためのマルチモーダル オープン データセット (MODMA) を使用しました。このデータは、参加者が 5 分間目を閉じて休息しているという制御された環境で収集されました。同時に、質疑応答セッション中および絵の説明中に参加者が自然に発する音声が録音されました。
このデータを処理するために、データは信号の視覚的表現であるスペクトログラムに変換されました。高度なノイズ フィルターと改良された DenseNet-121 ディープラーニング モデルが採用され、これらの画像内のうつ病の指標が特定されました。
今後、この AI モデルにより、うつ病の診断がより迅速かつ容易になり、遠隔評価が容易になり、主観的な偏見が軽減される可能性があります。ただし、課題はまだ残っています。
「こうした研究の主な問題は、人々が自分のメンタルヘルス問題について秘密にしておきたい傾向があるため、データが不足していることだ」とマスケリウナス氏は説明した。
研究者にとっての今後の重要な課題は、診断プロセスを明確に説明するアルゴリズムの能力を強化することです。
「アルゴリズムは、診断結果を分かりやすく説明する方法をまだ学習する必要がある」とマスケリウナス氏は付け加えた。
より広範な影響: 医療における説明可能な AI
AI ソリューションが医療、金融、法律などの機密性の高い分野で普及するにつれ、説明可能な人工知能 (XAI) の需要が高まっています。XAI は、AI の意思決定プロセスを透明化することで信頼を構築し、これらのシステムを重要な分野に確実に統合できるようにすることを目的としています。
この開発により、KTU はうつ病のより正確で客観的かつ理解しやすい診断への有望な道を開き、精神衛生上の問題の特定と治療の方法に革命をもたらす可能性があります。