Kaunas, Litauen
Publicerat: 21 november 2024, 12:00
Forskare vid Kaunas tekniska universitet (KTU) har utvecklat en artificiell intelligens (AI)-modell som kombinerar data från tal och hjärnans elektriska aktivitet (EEG) för att mer exakt diagnostisera depression. Denna multimodala metod har uppnått en imponerande noggrannhet på 97,53 %, vilket banar väg för nya sätt att analysera psykisk hälsa.
En ny fas i depressiondiagnostik
Depression, som påverkar cirka 280 miljoner människor globalt, är en av de vanligaste psykiska sjukdomarna. Traditionella metoder för diagnos är ofta subjektiva och baseras på enskilda datatyper, men den nya AI-modellen kombinerar två källor för att ge en mer objektiv och detaljerad bild av en persons känslomässiga tillstånd.
– ”Vår metod kan bli tillgänglig för fler i framtiden och hjälpa till att diagnostisera depression snabbare och mer exakt,” säger Rytis Maskeliūnas, professor vid KTU och en av uppfinnarna bakom tekniken.
Tal och hjärnaktivitet som indikatorer
Forskarna valde tal och EEG-data som grunder för sin modell. Talmönster som taltempo, intonation och energi kan avslöja subtila emotionella signaler, medan EEG-data visar förändringar i hjärnans elektriska aktivitet. Båda datatyperna omvandlades till spektrogram som visualiserar signalförändringar över tid.
Den modifierade DenseNet-121 AI-modellen analyserade dessa spektrogram för att klassificera deltagarna som friska eller deprimerade.
Data från öppna källor och experiment
EEG-data användes från den öppna databasen MODMA (Multimodal Open Dataset for Mental Disorder Analysis). Deltagarna registrerades under fem minuter av vila med slutna ögon, och deras taldata samlades in genom frågor och berättande aktiviteter.
Framtida utveckling och utmaningar
Forskningsteamet ser stora möjligheter för AI-modellen inom snabbare och mer tillgängliga diagnoser av depression, även på distans. Men det finns utmaningar:
– ”Brist på data är ett stort problem eftersom många är privata om sin psykiska hälsa,” förklarar Maskeliūnas.
En annan utmaning är att utveckla en förklarbar AI (XAI), där algoritmen kan motivera sina diagnoser och öka tilliten hos medicinsk personal.
Kliniska prövningar och potential
Modellen behöver ytterligare kliniska prövningar och förbättringar innan den kan användas brett. Men med tanke på det växande behovet av AI-lösningar inom sjukvård ser forskarna denna teknik som en viktig milstolpe i hanteringen av psykisk ohälsa.
Källa: Kaunas tekniska universitet
Taggar: Depression, AI-diagnostik, EEG, Mental hälsa, Psykisk ohälsa