یادداشت‌های صوتی واتس‌اپ شما می‌تواند به غربالگری علائم اولیه افسردگی کمک کند.

یک مدل هوش مصنوعی افسردگی را از روی یادداشت‌های صوتی واتس‌اپ با دقت بیش از ۹۱ درصد تشخیص می‌دهد.

به نقل از دیجیتال‌ترندز، به طور فزاینده‌ای در حال مشخص شدن است که عادات روزمره زندگی ما مانند ارسال یک یادداشت صوتی سریع به یک دوست ممکن است به زودی کلید درک سلامت روان ما را در خود داشته باشد. براساس تحقیقات جدید و جذابی که در روز ۲۱ ژانویه ۲۰۲۶ در PLOS Mental Health منتشر شد، یک مدل جدید هوش مصنوعی پزشکی ثابت کرده است که می‌تواند اختلال افسردگی اساسی را با دقت شگفت‌انگیزی، تنها با گوش دادن به فایل‌های صوتی کوتاه واتس‌اپ تشخیص دهد.

این مطالعه که توسط محققانی در برزیل از جمله ویکتور هو اوتانی از دانشکده علوم پزشکی سانتا کاسا د سائوپائولو رهبری می‌شد، نشان داد که هوش مصنوعی آنها می‌تواند افسردگی را در شرکت‌کنندگان زن با دقت ۹۱.۹ درصد تشخیص دهد. تنها چیزی که هوش مصنوعی نیاز داشت، فایل صوتی ساده‌ای از توصیف فرد از نحوه گذراندن هفته‌اش بود.

تبدیل یادداشت‌های صوتی به داده‌های حیاتی

ما اغلب افسردگی را چیزی پنهان یا درونی می‌دانیم، اما این بیماری ردپایی از خود در نحوه صحبت کردن ما به جا می‌گذارد. تغییراتی در زیر و بمی صدا، سرعت و انرژی که اغلب برای گوش انسان بسیار نامحسوس هستند و نمی‌توانند آگاهانه آن را تشخیص دهند. گروه تحقیقاتی تصمیم گرفت آزمایش کند که آیا یادگیری ماشینی می‌تواند این «نشانگرهای زیستی صوتی» را تشخیص دهد یا خیر.

آنها هفت مدل هوش مصنوعی مختلف را با استفاده از داده‌های دنیای واقعی ساختند و آموزش دادند. برای مرحله آموزش، آنها فقط از ضبط‌های بالینی استفاده نکردند. آنها پیام‌های صوتی واقعی ارسال شده از طریق واتس‌اپ را استخراج کردند. برخی از آنها از بیمارانی بودند که مبتلا به افسردگی اساسی تشخیص داده شده بودند، در حالی که برخی دیگر از یک گروه کنترل بودند که پیام‌های چت معمول ارسال می‌کردند. این استفاده از گفتار طبیعی و خودجوش بسیار مهم است، زیرا نشان دهنده نحوه صدای واقعی افراد در زندگی روزمره‌شان است، نه نحوه صدای آنها هنگام تلاش برای اجرا برای یک آزمون.

اینجاست که یافته‌ها به طور خاص جالب و کمی پیچیده می‌شوند. این مدل در تشخیص زنان به طور قابل توجهی بهتر از مردان بود. هنگام تجزیه و تحلیل فایل‌های «هفته خود را توصیف کنید»، هوش مصنوعی به نرخ دقت چشمگیر ۹۱.۹ درصد برای شرکت‌کنندگان زن رسید. برای مردان، دقت به حدود ۷۵ درصد کاهش یافت.

محققان چند نظریه در مورد دلیل وجود این شکاف دارند. اولا، مجموعه داده‌های آنها شامل زنان بیشتری نسبت به مردان بود، به این معنی که هوش مصنوعی صرفا تمرین بیشتری برای گوش دادن به صدای زنان داشته است. اما این احتمال نیز وجود دارد که مردان و زنان افسردگی را به طور صوتی به طور متفاوتی ابراز می‌کنند، یا اینکه الگوهای صوتی خاصی که هوش مصنوعی یاد گرفته است به دنبال آنها بگردد، در گفتار زنان برجسته‌تر باشد.

جالب اینجاست که وقتی محققان این کار را ساده کردند و فقط از افراد خواستند از یک تا ۱۰ بشمارند، شکاف جنسیتی کاهش یافت. دقت برای زنان ۸۲ درصد و برای مردان ۷۸ درصد بود. این نشان می‌دهد که اگرچه گفتار خودجوش داده‌های عاطفی غنی‌تری ارائه می‌دهد، اما متغیرهای بیشتری را نیز معرفی می‌کند که بسته به اینکه چه کسی صحبت می‌کند، می‌توانند مدل را گیج کنند.

«چراغ چک» برای سلامت روان

تأثیر بالقوه این فناوری بسیار زیاد است، به خصوص برای مناطق کم‌درآمد یا مکان‌هایی که مراجعه به روانپزشک در آنها دشوار یا گران است. منابع سلامت روان در سطح جهانی کمیاب هستند و انگ اجتماعی اغلب مانع از آن می‌شود که افراد تا زمانی که در بحران قرار نگرفته‌اند، درخواست کمک کنند.

تصور کنید اگر اپلیکیشنی که هر روز از آن استفاده می‌کنید، بتواند به عنوان نوعی «چراغ چک» برای ذهن شما عمل کند، به آرامی شما را به سمت دریافت کمک سوق دهد، زیرا متوجه می‌شود که صدای شما به گونه‌ای تغییر کرده است که با افسردگی مرتبط است.

محققان، از جمله نویسنده ارشد، لوکاس مارکز، معتقدند که این ابزار جایگزین پزشکان نمی‌شود، اما می‌تواند به عنوان یک روش غربالگری قدرتمند و کم‌هزینه عمل کند. این ابزار در پس‌زمینه عمل می‌کند و از یک واسطه که میلیاردها نفر در حال حاضر به راحتی از آن استفاده می‌کنند، استفاده می‌کند.

البته، هنوز کارهایی برای انجام دادن وجود دارد. این گروه اکنون به دنبال گسترش آزمایش‌های خود برای پوشش گروه‌ها و زبان‌های متنوع‌تر است.