ИИ, способный выявлять психические расстройства, анализируя посты в социальных сетях
Исследователи из Дартмутского колледжа разработали инновационный искусственный интеллект (ИИ), предназначенный для выявления распространенных психических заболеваний посредством анализа постов пользователей социальных сетей. Их главная цель — научиться распознавать признаки депрессии, тревожных состояний и биполярного расстройства по материалам, опубликованным в интернете.
В основу исследований легла популярная социальная сеть Reddit, известная высоким уровнем активности пользователей и разнообразием обсуждений. Эксперты отмечают, что эта площадка идеально подходит для сбора большого объема публичных данных, которые можно анализировать в целях научных изысканий.
Согласно отчету исследователей, опубликованному на arXiv и продемонстрированному на Международной конференции по веб-интеллекту и технологиям интеллектуальных агентов, специалисты использовали технологию машинного обучения, чтобы научить алгоритмы распознавать характерные эмоциональные сигналы в текстах пользователей.
Методология исследования
Проект стартовал с формирования специального корпуса данных, содержащего сообщения пользователей, чьи психоэмоциональные особенности известны заранее. Были отобраны три ключевых психических заболевания: глубокая депрессия, биполярное расстройство и тревожные состояния. Всего в исследовании участвовали почти четыре тысячи участников — ровно столько людей, открыто заявивших о наличии тех или иных расстройств, и столько же лиц, никак не отмечавших подобные проблемы.
Сбор материала происходил поэтапно: сначала научная команда сформировала тренировочный корпус, состоящий из 70% записей, оставленных исследуемыми пользователями. Оставшиеся 30% послужили базой для проверки точности разработанной модели. Алгоритм создавал классификацию сообщений, выделяя ключевые эмоции: удовольствие, злость, грусть, страх и нейтральные реакции.
Главная идея метода заключается в отслеживании динамики изменений эмоциональных реакций пользователей. Каждый комментарий получал метку, соответствующую преобладающему состоянию, и далее анализировался порядок смены эмоций. Такая стратегия позволила составить особую “карточку” каждого участника, сопоставимую с известными признаками рассматриваемых болезней.
Например, пациенты с глубокой депрессией чаще демонстрируют устойчивые периоды грусти, в то время как страдающие биполярным расстройством отличаются резким чередованием противоположных эмоций.
Результаты эксперимента
Проведенные тесты показали высокую точность идентификации психических отклонений. Искусственный интеллект эффективно различал больных и здоровых пользователей, причем точность определения оставалась высокой независимо от характера обсуждения.
Разработчики подчеркнули ключевое преимущество предложенной методики: ее независимость от контекста сообщений. Вместо традиционного подхода, ориентированного на содержание постов, система оценивает динамику эмоциональных проявлений, что существенно повышает устойчивость алгоритма к внешним факторам. Ранее применяемые техники, ориентирующиеся на содержание публикаций, нередко страдали недостатками: изменение тем обсуждений или появление актуальных новостей (например, пандемии коронавируса) серьезно снижали качество диагностики.
Использование модели позволило исключить такую проблему, известную специалистам как “инфляционная утечка”, то есть влияние внешних факторов на диагностические показатели.
Следующий шаг
Несмотря на достигнутые успехи, авторы исследования признают, что впереди предстоит решить ряд важных вопросов. Так, планируется проверить универсальность разработанного подхода на материалах других соцсетей. Еще одно направление дальнейшей работы — совершенствование моделей оценки эмоциональных характеристик и изучение влияния частоты публикаций, времени суток, в которое создаются посты, и прочих деталей.
Наконец, исследователи видят перспективы для изучения эффектов психических нарушений на фотографии и видеоролики, публиковавшиеся пользователями.
Научное сообщество положительно восприняло разработку, отметив, что подобная технология может стать важным помощником врачей-психиатров и повысить эффективность ранней диагностики психических расстройств. Главное условие успешного применения таких инструментов — строгие меры конфиденциальности и этичность их использования.
