Analisis Pertuturan Boleh Meramalkan Risiko Psikosis

Para penyelidik mengatakan program analisis pertuturan automatik dapat menentukan risiko orang muda mengalami psikosis.

Dalam kajian baru, saintis di Pusat Perubatan Universiti Columbia, Institut Psikiatri Negeri New York, dan Pusat Penyelidikan IBM TJ Watson mendapati bahawa program analisis berkomputer dengan betul membezakan antara orang muda berisiko yang mengalami psikosis dalam jangka masa dua setengah tahun. dan mereka yang tidak.

Penyelidik mengatakan kajian bukti prinsip mendapati bahawa analisis berkomputer memberikan klasifikasi yang lebih tepat daripada penilaian klinikal. Kajian itu muncul di NPJ-Skizofrenia.

Pakar menjelaskan bahawa kira-kira satu peratus populasi antara usia 14 dan 27 tahun dianggap berisiko tinggi (CHR) klinikal untuk psikosis. Individu CHR mempunyai gejala seperti pemikiran luar biasa atau tangensial, perubahan persepsi, dan kecurigaan.

Kira-kira 20 peratus akan mengalami episod psikotik sepenuhnya. Mengenal pasti siapa yang termasuk dalam kategori 20 peratus sebelum psikosis berlaku adalah tujuan sukar difahami. Pengenalpastian awal boleh menyebabkan campur tangan dan sokongan yang dapat menunda, mengurangkan, atau bahkan mencegah timbulnya penyakit mental yang serius.

Menariknya, ucapan memberikan jendela unik ke dalam minda, memberikan petunjuk penting tentang apa yang difikirkan dan dirasakan oleh orang. Peserta dalam kajian ini mengambil bahagian dalam wawancara naratif terbuka di mana mereka menggambarkan pengalaman subjektif mereka.

Temu ramah ini ditranskrip dan kemudian dianalisis oleh komputer untuk corak pertuturan, termasuk semantik (makna) dan sintaks (struktur).

Para penyelidik menjelaskan bahawa perisian tersebut menetapkan koherensi semantik setiap pesakit (seberapa baik dia tetap berada dalam topik), dan struktur sintaksis, seperti panjang frasa dan penggunaan kata penentu yang menghubungkan frasa.

Seorang psikiatri klinikal secara intuitif dapat mengenali tanda-tanda pemikiran yang tidak teratur ini dalam wawancara tradisional, tetapi mesin dapat menambah apa yang didengar dengan mengukur pemboleh ubah dengan tepat.

Peserta kemudian diikuti selama dua setengah tahun.

Penyiasat mendapati ciri-ciri pertuturan utama meramal masalah mental masa depan. Secara khusus, ciri-ciri pertuturan yang meramalkan permulaan psikosis merangkumi jeda aliran makna dari satu ayat ke kalimat yang berikutnya, dan ucapan yang ditandai dengan frasa yang lebih pendek dan kurang dihuraikan.

Alat pengelaskan pertuturan yang dikembangkan dalam kajian ini untuk menyusun secara mekanikal ciri-ciri yang berkaitan dengan gejala ini mencapai ketepatan 100 peratus. Maksudnya, analisis komputer membezakan dengan betul antara lima individu yang kemudian mengalami episod psikotik dan 29 yang tidak.

Penyiasat percaya hasil ini menunjukkan bahawa kaedah ini mungkin dapat mengenal pasti gangguan pemikiran dalam bentuk paling awal, paling halus, bertahun-tahun sebelum bermulanya psikosis. Gangguan pemikiran adalah komponen utama skizofrenia, tetapi mengukurnya terbukti sukar.

Untuk bidang penyelidikan skizofrenia, dan untuk psikiatri secara lebih luas, pendekatan membuka kemungkinan bahawa teknologi baru dapat membantu prognosis dan diagnosis gangguan mental yang teruk, dan mengesan tindak balas rawatan.

Analisis pertuturan automatik adalah murah, mudah alih, cepat, dan tidak invasif. Ini berpotensi menjadi alat yang kuat yang dapat melengkapkan wawancara dan penilaian klinikal.

Walaupun begitu, penyelidik mengatakan bahawa penyelidikan tambahan dengan sekumpulan individu berisiko kedua yang lebih besar diperlukan untuk melihat apakah keupayaan automatik ini untuk meramalkan permulaan psikosis adalah kuat dan boleh dipercayai.

Penyelidikan ini juga dapat mempermudah intervensi diagnostik tambahan kerana analisis pertuturan automatik dapat digunakan bersama dengan pencitraan neuro untuk mendapatkan pemahaman yang lebih baik mengenai gangguan pemikiran awal dan pendekatan baru untuk rawatan.

Sumber: Pusat Perubatan Universiti Columbia / EurekAlert

!-- GDPR -->