محققان در تحقیقات جدید خود به نتایج مشابهی با انسان در استفاده از هوش مصنوعی برای بهبود سلامت روان افراد دست یافتند. محققان UW Medicine دریافته‌اند که الگوریتم‌ها به اندازه ارزیاب‌های انسانی آموزش‌دیده در شناسایی زبان علامت قرمز در پیام‌های متنی افراد مبتلا به بیماری‌های روانی جدی هستند. این یک زمینه امیدوارکننده از مطالعه را باز می‌کند که می‌تواند به آموزش روانپزشکی و کمبود مراقبت کمک کند. این یافته‌ها در اواخر سپتامبر در مجله خدمات روانپزشکی منتشر شد.
به گزارش تابناک، پیام‌های متنی به‌طور فزاینده‌ای بخشی از مراقبت و ارزیابی سلامت روان هستند، اما این مداخلات روانپزشکی از راه دور می‌تواند فاقد نقاط مرجع عاطفی باشد که درمانگران برای هدایت مکالمات حضوری با بیماران استفاده می‌کنند.
این تیم تحقیقاتی برای اولین بار از پردازش زبان طبیعی برای کمک به شناسایی پیام‌های متنی که منعکس‌کننده «تحریف‌های شناختی» هستند، استفاده کردند؛ این تحقیق می‌تواند در نهایت به بیماران بیشتری در یافتن مراقبت کمک کند.
جاستین تاوشر، نویسنده اصلی مقاله و استادیار بازیگری در دانشکده پزشکی دانشگاه واشنگتن، می‌گوید: «زمانی که ما شخصا با افراد ملاقات می‌کنیم، همه این زمینه‌های متفاوت را داریم. ما نشانه‌های بصری داریم، نشانه‌های شنیداری داریم، چیز‌هایی که در یک پیام متنی ظاهر نمی‌شوند. این‌ها چیز‌هایی هستند که ما آموزش دیده‌ایم تا به آن‌ها تکیه کنیم. امید در اینجا این است که فناوری بتواند ابزاری اضافی برای پزشکان فراهم کند تا بتوانند این پیام‌ها را گسترش دهند. اطلاعاتی که آن‌ها برای تصمیم گیری بالینی به آن تکیه می‌کنند.
این مطالعه هزاران پیام متنی منحصر به فرد و بدون درخواست را بین ۳۹ فرد مبتلا به بیماری روانی جدی و سابقه بستری در بیمارستان و ارائه دهندگان سلامت روان مورد بررسی قرار داد. ارزیاب‌های انسانی متون را برای چندین تحریف شناختی درجه‌بندی کردند، همانطور که معمولا در زمینه مراقبت از بیمار انجام می‌دهند. ارزیابان به دنبال زبان ظریف یا آشکاری هستند که نشان می‌دهد بیمار بیش از حد تعمیم می‌دهد، فاجعه‌سازی می‌کند یا زود به نتیجه می‌رسد که همه این‌ها می‌توانند سرنخ‌هایی برای مشکلات باشند.
محققان همچنین رایانه‌ها را برای انجام همان وظیفه درجه‌بندی متون برنامه‌ریزی کرده و دریافتند انسان‌ها و هوش مصنوعی در اکثر دسته‌های مورد مطالعه به طور مشابه درجه‌بندی می‌کنند.
تاوشر می‌گوید: من فکر می‌کنم توانایی داشتن سیستم‌هایی که می‌تواند به حمایت از تصمیم گیری بالینی کمک کند برای کسانی که در این زمینه گاهی به آموزش یا نظارت دسترسی ندارند یا گاهی بسیار خسته هستند، بسیار مرتبط و بالقوه تاثیرگذار است.
بن زیف، مدیر مرکز تحقیقات رفتاری UW در فناوری و مهندسی و یکی از نویسندگان مقاله می‌گوید: توقف مجدد پزشکان یک مزیت فوری خواهد بود، اما محققان همچنین برنامه‌های کاربردی آینده را مشاهده می‌کنند که به موازات یک نوار تناسب اندام پوشیدنی یا سیستم نظارت مبتنی بر تلفن کار می‌کنند. این فناوری در نهایت می‌تواند بازخوردی را در زمان واقعی ارائه دهد که درمانگر را به مشکلات احتمالی راهنمایی کند.
بن زیف می‌گوید: «همانطور که شما سطح اکسیژن خون و ضربان قلب و سایر ورودی‌ها را دریافت می‌کنید، ممکن است یادداشتی دریافت کنید که نشان می‌دهد بیمار در حال نتیجه گیری سریع و فاجعه سازی است. جلب آگاهی به الگوی تفکر چیزی است که ما در آینده متصور هستیم. مردم با فناوری خود این حلقه‌های بازخورد را خواهند داشت که در آن بینش خود را به دست می‌آورند.
به گزارش تابناک، پیام‌های متنی به‌طور فزاینده‌ای بخشی از مراقبت و ارزیابی سلامت روان هستند، اما این مداخلات روانپزشکی از راه دور می‌تواند فاقد نقاط مرجع عاطفی باشد که درمانگران برای هدایت مکالمات حضوری با بیماران استفاده می‌کنند.
این تیم تحقیقاتی برای اولین بار از پردازش زبان طبیعی برای کمک به شناسایی پیام‌های متنی که منعکس‌کننده «تحریف‌های شناختی» هستند، استفاده کردند؛ این تحقیق می‌تواند در نهایت به بیماران بیشتری در یافتن مراقبت کمک کند.
جاستین تاوشر، نویسنده اصلی مقاله و استادیار بازیگری در دانشکده پزشکی دانشگاه واشنگتن، می‌گوید: «زمانی که ما شخصا با افراد ملاقات می‌کنیم، همه این زمینه‌های متفاوت را داریم. ما نشانه‌های بصری داریم، نشانه‌های شنیداری داریم، چیز‌هایی که در یک پیام متنی ظاهر نمی‌شوند. این‌ها چیز‌هایی هستند که ما آموزش دیده‌ایم تا به آن‌ها تکیه کنیم. امید در اینجا این است که فناوری بتواند ابزاری اضافی برای پزشکان فراهم کند تا بتوانند این پیام‌ها را گسترش دهند. اطلاعاتی که آن‌ها برای تصمیم گیری بالینی به آن تکیه می‌کنند.
این مطالعه هزاران پیام متنی منحصر به فرد و بدون درخواست را بین ۳۹ فرد مبتلا به بیماری روانی جدی و سابقه بستری در بیمارستان و ارائه دهندگان سلامت روان مورد بررسی قرار داد. ارزیاب‌های انسانی متون را برای چندین تحریف شناختی درجه‌بندی کردند، همانطور که معمولا در زمینه مراقبت از بیمار انجام می‌دهند. ارزیابان به دنبال زبان ظریف یا آشکاری هستند که نشان می‌دهد بیمار بیش از حد تعمیم می‌دهد، فاجعه‌سازی می‌کند یا زود به نتیجه می‌رسد که همه این‌ها می‌توانند سرنخ‌هایی برای مشکلات باشند.
محققان همچنین رایانه‌ها را برای انجام همان وظیفه درجه‌بندی متون برنامه‌ریزی کرده و دریافتند انسان‌ها و هوش مصنوعی در اکثر دسته‌های مورد مطالعه به طور مشابه درجه‌بندی می‌کنند.
تاوشر می‌گوید: من فکر می‌کنم توانایی داشتن سیستم‌هایی که می‌تواند به حمایت از تصمیم گیری بالینی کمک کند برای کسانی که در این زمینه گاهی به آموزش یا نظارت دسترسی ندارند یا گاهی بسیار خسته هستند، بسیار مرتبط و بالقوه تاثیرگذار است.
بن زیف، مدیر مرکز تحقیقات رفتاری UW در فناوری و مهندسی و یکی از نویسندگان مقاله می‌گوید: توقف مجدد پزشکان یک مزیت فوری خواهد بود، اما محققان همچنین برنامه‌های کاربردی آینده را مشاهده می‌کنند که به موازات یک نوار تناسب اندام پوشیدنی یا سیستم نظارت مبتنی بر تلفن کار می‌کنند. این فناوری در نهایت می‌تواند بازخوردی را در زمان واقعی ارائه دهد که درمانگر را به مشکلات احتمالی راهنمایی کند.
بن زیف می‌گوید: «همانطور که شما سطح اکسیژن خون و ضربان قلب و سایر ورودی‌ها را دریافت می‌کنید، ممکن است یادداشتی دریافت کنید که نشان می‌دهد بیمار در حال نتیجه گیری سریع و فاجعه سازی است. جلب آگاهی به الگوی تفکر چیزی است که ما در آینده متصور هستیم. مردم با فناوری خود این حلقه‌های بازخورد را خواهند داشت که در آن بینش خود را به دست می‌آورند.
کد خبر ۲۰۱۰۱۰۷۲۳۰۲۳۶
