Πρόγραμμα τεχνητής νοημοσύνης που αναλύει δημοσιεύσεις στο Facebook αναγνωρίζει τις «γλωσσικές κόκκινες σημαίες» που μπορούν να υποδεικνύουν κατάθλιψη τουλάχιστον τρεις μήνες νωρίτερα από τις υπηρεσίες υγείας, δείχνει αμερικανική έρευνα.
Παρά το γεγονός ότι οι γονείς ανησυχούν ότι τέτοιου είδους πλατφόρμες μπορούν να βλάψουν την υγεία των παιδιών τους και ζητούν αυστηρότερους ελέγχους, οι Αμερικανοί ερευνητές ισχυρίζονται ότι οι πληροφορίες που υπάρχουν στις σελίδες των μέσων κοινωνικής δικτύωσης μπορούν να βοηθήσουν στη διάγνωση παθήσεων ψυχικής υγείας.
Τα αρχικά προειδοποιητικά σημάδια είναι οι αναφορές στη μοναξιά ή την απομόνωση, όπως οι λέξεις «μόνος», «αχ», «δάκρυα», καθώς και η έκταση της δημοσίευσης. Κάποια άλλα στοιχεία είναι η έντονη χρήση των πρωτοπρόσωπων αντωνυμιών, όπως «εγώ» και «εμένα», που δείχνουν την ενασχόληση με τον εαυτό.
«Η κατάθλιψη φαίνεται να ανιχνεύεται ευκολότερα με αυτόν τον τρόπο», είπε ο Δρ. Johannes Eichstaedt, συγγραφέας της έρευνας.
Στην έρευνα, που δημοσιεύθηκε στο Proceedings of the National Academy of Sciences, ο Eichstaedt και άλλοι ερευνητές, χρησιμοποίησαν δεδομένα από τα προφίλ στο Facebook 683 ανθρώπων που δέχτηκαν να μοιραστούν τα ψηφιακά τους αρχεία.
Η ομάδα είχε 114 ανθρώπους που είχαν διαγνωστεί με κατάθλιψη. Αναλύοντας 524.292 δημοσιεύσεις των συμμετεχόντων που έγιναν πριν διαγνωστούν με κατάθλιψη, οι ερευνητές μπόρεσαν να προσδιορίσουν «τα γλωσσικά σημάδια που σχετίζονται με την κατάθλιψη.»
Όταν τα στοιχεία ενσωματώθηκαν στο πρόγραμμα τεχνητής νοημοσύνης, εκείνο μπόρεσε να αναγνωρίσει τα προειδοποιητικά σημάδια της κατάθλιψης σε άτομα από τις δημοσιεύσεις τους, τουλάχιστον τρείς μήνες νωρίτερα από τη στιγμή που καταγράφτηκε στο ιατρικό ιστορικό τους.
Αφού η έρευνα στέφθηκε με επιτυχία, υπάρχουν σκέψεις για ενσωμάτωση κι άλλων μεθόδων στο πρόγραμμα, όπως η ανάλυση δεδομένων από τηλεφωνικές κλήσεις, ή η ανάπτυξη λογισμικού αναγνώρισης προσώπου από φωτογραφίες που δημοσιεύθηκαν στο Facebook.
Ακολουθήστε το Lykavitos.gr στο Google News
και μάθετε πρώτοι όλες τις ειδήσεις
