محققان آلمانی روشی را برای شناسایی اختلالات روانی بر اساس حالات چهره ابداع کرده اند که توسط یک برنامه خلاقانه هوش مصنوعی تفسیر و تجزیه و تحلیل می‌شود.

این برنامه جدید هوش مصنوعی می‌تواند بین افرادی که تحت تأثیر یک اختلال قرار  گرفته یا قرار نگرفته و همچنین بین موارد افسردگی و اسکیزوفرنی و  میزان ابتلای بیمار به این بیماری تمایز قائل شود.

محققان یک تصویر ترکیبی ارائه کرده اند که نشان دهنده گروه کنترل آزمایشات خود و بیماران مبتلا به اختلالات روانی بوده و هویت چندین نفر در طول دوره آزمایش برای ارزیابی اثربخشی برنامه، بایکدیگر  داخل می شود.

پزشکان می‌گویند که افراد مبتلا به اختلالات عاطفی تمایل به بالا بردن ابروها، نگاه‌های تیزبین و متورم صورت، لب‌ها یا گونه‌های افتاده دارند.

این مطالعه با نام "چهره اختلالات عاطفی" منتشر شده و هشت محقق از طیف گسترده‌ای از موسسات از بخش تحقیقات پزشکی خصوصی و دولتی در این آزمایش‌ها در آن شرکت کرده اند.

تاکنون، هوش مصنوعی برای شناسایی تأثیر این ناهنجاری‌های بر عمدتاً ناحیه صورت به عنوان یک ابزار تشخیصی اولیه بالقوه متمرکز بوده است. رویکرد جدید همچنین روشی آسان برای ارزیابی پیشرفت بیمار ی در طول درمان برای نظارت بر تغییرات در آن‌ها ارائه می‌کند.

محققان این فناوری را Opto Electronic Encephalography (OEG) نامیدند، روشی که در آن پزشک یا متخصص مستقیماً با بیمار ارتباط برقرار نمی‌کند، بلکه وضعیت ذهنی را با تجزیه و تحلیل تصویر صورت به جای استفاده از حسگر‌های موقعیت یا تکنیک تصویربرداری پزشکی مبتنی بر رادیولوژی استنباط می‌کند.

داده‌ها از ۱۰۰ بیمار از هر دو جنس در بیمارستان دانشگاه آخن همراه با یک گروه کنترل استاندارد متشکل از ۵۰ فرد سالم جمع آوری و مشخص شد از بین بیماران ۳۵ نفر اسکیزوفرنی و ۶۵ نفر افسردگی داشته اند.

در ابتدا یک جلسه اولیه روی فرد (بیمار یا نمونه استاندارد) اعمال می‌شود و در مرحله دوم به بیماران (و همتایان آن‌ها در گروه استاندارد) فیلم‌هایی از مجموعه‌ای از حالات چهره ارائه و از آن‌ها خواسته شد که با ارزیابی ازتجارب عاطفی خود از هر کدام تقلید کنند.

در مرحله سوم و آخر، ۹۶ فیلم از بازیگران به مدتده ثانیه به شرکت کنندگان نشان داده شد که ظاهراً تجربیات احساسی شدیدی را بازگو می‌کردند. سپس از شرکت کنندگان خواسته شد تا به احساسات نمایش داده شده در ویدئو‌ها و همچنین احساسات مربوطه خود امتیاز دهند. این مرحله حدود ۱۵ دقیقه به طول انجامید.

بعداً دانشمندان برنامه هوش مصنوعی را با داده‌ها و اطلاعات جلسات و همچنین ویدئو‌های مرجع و تجزیه و تحلیل‌های قبلی در مورد سایر بیماران تقویت و هوش مصنوعی نتایج جدید را با بیماران تحت آزمایش تطبیق داد.

دانشمندان به این نتیجه رسیده اند که OEG احتمالا تنها کمکی برای تشخیص و درمان نیست و در دراز مدت، به احتمال زیاد جایگزینی بالقوه برای بخشی از ارزیابی یک دوره روان‌درمانی خواهد بود که  زمان لازم برای بهبودی بیمار را کاهش می دهد.

منبع: akhbarona.com