پژوهشی تازه نشان میدهد که پیامهای صوتی روزمره در واتساپ میتوانند به ابزاری نوین برای غربالگری اولیه افسردگی تبدیل شوند. در این تحقیق، یک مدل هوش مصنوعی پزشکی توانسته تنها با تحلیل فایلهای صوتی کوتاه، نشانههای اختلال افسردگی اساسی را با دقتی بالاتر از ۹۱ درصد شناسایی کند.
این مطالعه که نتایج آن در تاریخ ۲۱ ژانویه ۲۰۲۶ در نشریه PLOS Mental Health منتشر شده، توسط تیمی از پژوهشگران برزیلی به رهبری ویکتور هو اوتانی از دانشکده علوم پزشکی سانتا کاسا د سائوپائولو انجام شده است. در این پژوهش، از شرکتکنندگان خواسته شد بهسادگی درباره نحوه گذراندن هفته خود صحبت کنند؛ دادهای ساده که برای هوش مصنوعی کافی بود تا الگوهای مرتبط با افسردگی را تشخیص دهد.
بر اساس یافتهها، این سامانه در تشخیص افسردگی در زنان عملکرد چشمگیرتری داشت و به دقت ۹۱.۹ درصد رسید، در حالی که دقت آن برای مردان حدود ۷۵ درصد گزارش شد. پژوهشگران معتقدند تفاوت در حجم دادههای آموزشی، یا شیوه متفاوت بروز افسردگی در گفتار زنان و مردان، میتواند از دلایل این اختلاف باشد.
نکته قابل توجه آن است که وقتی وظیفه گفتاری سادهتر شد و افراد فقط از یک تا ۱۰ شمردند، فاصله دقت میان دو جنس کاهش یافت. این موضوع نشان میدهد گفتار خودانگیخته هرچند اطلاعات عاطفی غنیتری دارد، اما پیچیدگی بیشتری نیز برای تحلیل ایجاد میکند.
پژوهشگران با استفاده از پیامهای صوتی واقعی واتساپ – نه صرفاً ضبطهای بالینی – هفت مدل یادگیری ماشین را آموزش دادند. این رویکرد به هوش مصنوعی کمک کرد تا الگوهای طبیعی گفتار روزمره را بررسی کند؛ همان چیزی که افراد در زندگی عادی و بدون آمادگی قبلی بیان میکنند.
کاربرد بالقوه این فناوری میتواند بهویژه در مناطق کمبرخوردار یا کشورهایی که دسترسی به خدمات سلامت روان محدود است، بسیار مهم باشد. به گفته محققان، چنین ابزاری قرار نیست جایگزین پزشک شود، اما میتواند مانند یک «هشدار اولیه» عمل کرده و افراد را پیش از تشدید علائم، به دریافت کمک تخصصی ترغیب کند.
تیم تحقیقاتی در گام بعدی قصد دارد این فناوری را روی زبانها و گروههای جمعیتی متنوعتری آزمایش کند تا دقت و قابلیت استفاده آن در مقیاس جهانی افزایش یابد.
کد خبر ۲۰۱۰۴۱۱۰۷.۰۴۷
منبع:نیوزمدیکال
