A IA pode prever o risco de psicose na linguagem cotidiana
A linguagem das pessoas pode revelar pistas sobre seu risco futuro de desenvolver psicose. Os cientistas concluíram isso depois de estudar as características sutis da fala cotidiana das pessoas.
Diferenças sutis no uso de palavras podem indicar risco de psicose, e o aprendizado de máquina pode ajudar a identificá-lo.Pesquisadores da Emory University em Atlanta, GA, e da Harvard University em Boston, MA, usaram uma técnica de aprendizado de máquina para analisar a linguagem em um grupo de jovens em risco.
Eles descobriram que podiam prever quais indivíduos desenvolveriam psicose com uma precisão de 93%.
Um recente npj esquizofrenia papel de estudo descreve como a equipe desenvolveu e testou o método.
O autor sênior do estudo, Phillip Wolff, professor de psicologia da Emory University, explica que pesquisas anteriores já haviam estabelecido que "características sutis da psicose futura estão presentes na linguagem das pessoas". No entanto, ele observou, “usamos o aprendizado de máquina para realmente descobrir detalhes ocultos sobre esses recursos”.
Ele e seus colegas desenvolveram sua abordagem de aprendizado de máquina para medir duas variáveis linguísticas: densidade semântica e uso de palavras relacionadas ao som.
Eles concluíram que "a conversão para psicose é sinalizada por baixa densidade semântica e conversas sobre vozes e sons".
Baixa densidade semântica é uma medida do que a equipe se refere como “pobreza de conteúdo” ou imprecisão.
“Este trabalho”, observam os autores, “é uma prova de estudo de conceito que demonstra que indicadores de saúde mental futura podem ser extraídos da linguagem natural das pessoas usando métodos computacionais.”
Sintomas de aprendizado de máquina e psicose
O aprendizado de máquina é um tipo de inteligência artificial em que os computadores “aprendem com a experiência” sem que os cientistas precisem programar o aprendizado explicitamente.
Um sistema de aprendizado de máquina procura padrões em um conjunto conhecido de dados e decide quais padrões identificam recursos específicos. Tendo “aprendido” quais são esses recursos, ele pode identificá-los incansavelmente em um novo conjunto de dados.
O aprendizado de máquina pode detectar padrões no uso da linguagem pelas pessoas que mesmo os médicos que se submeteram a treinamento para diagnosticar e tratar pessoas em risco de psicose podem não perceber.
“Tentar ouvir essas sutilezas em conversas com as pessoas é como tentar ver germes microscópicos com os olhos”, explica Neguine Rezaii, autora do primeiro estudo, bolsista do Departamento de Neurologia da Harvard Medical School.
No entanto, é possível usar o aprendizado de máquina para encontrar certos padrões sutis que se escondem na linguagem das pessoas. “É como um microscópio para detectar sinais de psicose”, acrescenta ela.
Rezaii começou a trabalhar no estudo enquanto era residente no Departamento de Psiquiatria e Ciências do Comportamento da Emory University School of Medicine.
A psicose é um estado de espírito em que pode ser difícil dizer a diferença entre o que é real e o que não é.
Quando uma pessoa entra nesse estado de espírito, os médicos chamam isso de episódio psicótico. Durante esse episódio, as pessoas experimentam percepções e pensamentos perturbados. Delírios e alucinações são sintomas comuns de psicose.
Durante um episódio psicótico, uma pessoa pode exibir um comportamento inadequado ou falar de forma incoerente. Além disso, podem ter distúrbios do sono e tornar-se socialmente retraídos, deprimidos e ansiosos.
Nos Estados Unidos, cerca de 3% das pessoas passarão por um período de psicose durante sua vida, de acordo com números do National Institute of Mental Health, que é um dos National Institutes of Health (NIH).
Melhorar o diagnóstico precoce do risco de psicose
A psicose é uma marca registrada da esquizofrenia e outras condições graves de saúde mental de longo prazo.
Os sinais de alerta da psicose geralmente começam entre meados e o final da adolescência, com um grupo de sintomas de psicose que os médicos descrevem como síndrome prodrômica.
Cerca de 25-30% dos adolescentes que desenvolvem a síndrome prodrômica desenvolverão uma doença psicótica como a esquizofrenia.
A partir de entrevistas e testes de capacidade cognitiva, médicos com treinamento apropriado geralmente podem prever quais pessoas com síndrome prodrômica desenvolverão psicose com uma precisão de cerca de 80%.
Os cientistas estão tentando várias abordagens para melhorar essa taxa de previsão e tornar o processo de diagnóstico mais preciso e direto. O aprendizado de máquina é uma dessas abordagens.
O Prof. Wolff e sua equipe começaram seu estudo fazendo com que seu sistema de aprendizado de máquina identificasse as normas de linguagem da conversa cotidiana.
Eles alimentaram o sistema com conversas online de 30.000 usuários do Reddit. Reddit é uma plataforma de notícias, classificação de conteúdo e discussão online onde os usuários registrados podem conversar sobre vários tópicos.
A equipe usou o software Word2Vec para analisar palavras individuais na conversa. O software mapeia palavras de forma que aquelas que têm significados semelhantes fiquem próximas umas das outras no “espaço semântico”, enquanto aquelas que têm significados muito diferentes ficam distantes umas das outras.
Os pesquisadores adicionaram outro programa ao sistema para estender sua capacidade de analisar a semântica. Estudos anteriores limitaram essa análise a medir a coerência semântica, que examina como as pessoas usam as palavras nas frases.
No entanto, a densidade semântica vai um passo além e também avalia como as pessoas organizam suas palavras em frases. A equipe sugere que este é um indicador melhor dos processos mentais que as pessoas usam para formar frases.
Depois de treinar o sistema de aprendizado de máquina para estabelecer uma “linha de base normal”, a equipe então alimentou-o com as conversas de entrevistas diagnósticas de 40 participantes do Estudo Longitudinal Prodrome North American (NAPLS).
O NAPLS é um projeto de 14 anos em vários locais que visa melhorar a capacidade dos médicos de diagnosticar jovens que podem estar em risco de desenvolver psicose e entender as razões.
A equipe então comparou a análise de aprendizado de máquina das conversas NAPLS com os dados de linha de base. Eles também compararam com dados de acompanhamento que mostraram quais participantes desenvolveram psicose.
Os resultados revelaram que os participantes que desenvolveram psicose mais tarde tenderam a usar mais palavras relacionadas ao som do que a linha de base, e também usaram palavras de significado semelhante com mais frequência.
“Se pudermos identificar os indivíduos que estão em risco mais cedo e usarmos intervenções preventivas”, explica a coautora Prof. Elaine Walker, “podemos ser capazes de reverter os déficits”.
“Existem bons dados que mostram que tratamentos como a terapia cognitivo-comportamental podem atrasar o início e talvez até reduzir a ocorrência de psicose”, acrescenta.
A equipe está agora reunindo coleções mais extensas de dados e planos para testar a nova técnica de aprendizado de máquina com outras doenças cerebrais e psiquiátricas, como a demência.
“Esta pesquisa é interessante não apenas por seu potencial de revelar mais sobre doenças mentais, mas por compreender como a mente funciona - como ela reúne ideias.”
Prof. Phillip Wolff