會員登入
購物車
(
0
)
HOME
×
關於科月
關於科月
科月目錄
科報目錄
購買科月
訂閱方案
優惠方案
諾貝爾系列
購買單期
購買通路
投稿須知
推廣專案
星火相傳計畫
支持專案計畫
進階搜尋
封面故事
News Focus
專訪
專欄
評論
精選文章
活動訊息
永續科學
基金會
科技報導
繁體中文
English
ig
line
facebook
Please enable JavaScript
Search / 搜尋
分類選單
- 文章分類 -
封面故事
News Focus
專訪
專欄
評論
精選文章
活動訊息
永續科學
基金會
科技報導
科技報導
動態時報
文章專區
2024-12-23
展現高度準確率 科學家使用AI協助診斷憂鬱症
516 期
Author 作者
編譯|陳亭瑋
憂鬱症
ECG
人工智慧
在現代社會中,憂鬱症已成為一個重大的公共衛生議題,全球約有2.8億人受到此心理疾病的影響。面對這個挑戰,立陶宛考納斯理工大學(Kaunas University of Technology, KTU)的研究團隊開發出一個創新的人工智慧(artificial intelligence, AI)模型,結合語音分析和腦波活動數據,為憂鬱症診斷開創新的可能性。
這項研究的關鍵創新在於採用「多模態」(multimodal)的診斷方法。傳統的憂鬱症診斷往往依賴單一類型的數據,而KTU研究團隊開發的AI模型則同時分析兩種不同的生理數據:語音特徵和腦電波(electrical brain activity, EEG)活動。這種診斷模式的準確率高達97.53%,大幅超越現有的診斷方法。研究團隊特別選擇語音作為重要的診斷指標之一,原因在於語音能夠微妙地反映一個人的情緒狀態。說話的節奏、語調和整體活力都可能透露出憂鬱症的徵兆。相較於容易被刻意掩飾的面部表情,語音特徵提供了更真實且難以偽裝的情緒指標。
在技術實現層面,研究團隊參考精神障礙分析多模態開放數據集(Multimodal Open Dataset for Mental Disorder Analysis, MODMA)中的EEG數據集,收集受試者在清醒、休息且閉眼狀態下五分鐘的腦波數據。同時透過問答環節及圖片描述等活動,收集受試者的自然語言表達和認知狀態數據。這些收集到的EEG和語音信號會被轉換為頻譜圖(spectrogram),並經過特殊的降噪處理。最後使用改良版的DenseNet-121深度學習模型,從這些處理過的數據中識別憂鬱症的特徵。
儘管這項技術展現出極大的潛力,但研究團隊也面臨其他挑戰。首先是數據收集過程相當困難,由於心理健康議題的隱私性質,許多人傾向於保持私密,這使得研究所需的數據量相對有限,可能會影響模型的進一步改良和驗證。其次是可解釋性人工智慧(explainable AI, XAI)問題。研究團隊強調,未來需要改進算法,使它不僅能夠提供準確的診斷結果,還能向醫療專業人員解釋診斷的依據。這項研究的成功,代表心理健康診斷領域的重要突破。通過結合多模態數據和先進的AI技術,不久後將有機會出現更客觀、準確的憂鬱症診斷方法。不僅能夠提高診斷的效率,還可能實現遠程診斷,使心理健康服務變得更加普及和便捷。隨著技術的進一步發展和完善,這種AI輔助診斷系統有望成為心理健康專業人員的重要工具,幫助他們做出更準確的診斷決策。不過,研究團隊也強調,這項技術的目標是輔助而非取代專業醫療人員的判斷,最終仍需要臨床醫生的專業解讀和決策。
新聞來源
KTU. 2024 November 20.
KTU researchers use artificial intelligence to diagnose depression.
KTU.
https://www.sciencedaily.com/releases/2024/11/241120121844.htm
回列表頁
加入收藏
列印
相關推薦
科學月刊 12月號/2024 第660期:2024諾貝爾奬特別報導
特別價
$266
新訂一年方案:《科學月刊》一年12期
售價 $2780
新訂兩年方案:《科學月刊》二年24期
售價 $5300
TOP
本站使用第三方服務進行分析,以確保使用者獲得更好的體驗。了解本站
隱私權政策
OK