Nytt AI-system från Kaunas ökar diagnostikens träffsäkerhet vid depression med 97,53 % noggrannhet
StockholmForskare vid Kaunas tekniska universitet använder artificiell intelligens för att förbättra diagnostiken av depression. Det nya AI-systemet analyserar både tal och hjärnaktivitet och har en hög noggrannhet på 97,53%, vilket överträffar äldre metoder. Denna framgång kan göra det både snabbare och enklare att diagnostisera depression.
Denna nya metod integrerar olika teknologier för att samarbeta effektivt.
- Talanalys: Identifierar förändringar i talmönster, tonfall och energinivåer som ofta kopplas till depression.
- EEG-data: Registrerar hjärnans elektriska aktivitet för att upptäcka vågmönster som kan indikera depressiva tillstånd.
- DenseNet-121 djupinlärningsmodell: En avancerad neuronnätverksteknik som används för att klassificera spektrogramdata som antingen friska eller deprimerade.
Dessa framsteg är lovande, men de medför nya utmaningar. En stor fråga är bristen på offentligt tillgängliga dataset för att träna AI inom mental hälsa, eftersom integritetsbekymmer gör människor ovilliga att dela sin mentalhälsodata. Teamet vid KTU lyckades undvika detta problem genom att använda MODMAs EEG-dataset, som samlades in under kontrollerade förhållanden med vilande deltagare. Det är dock viktigt att utöka detta dataset för att inkludera en bredare mångfald av människor och miljöer för att göra deras modell mer pålitlig.
21 november 2024 · 15:27
USA dominerar AI-innovation, lämnar Kina bakom i Stanford-rankning
I framtiden är det viktigt att modellen tydligt motiverar sina diagnoser, vilket är en väsentlig del av förklarlig AI. Utan tydliga förklaringar kan läkare ha svårt att fullt ut lita på AI:s diagnosresultat. Modellen bör inte bara vara korrekt, utan också ge en klar förståelse för hur den kommer fram till sina beslut.
Denna forskning kan förbättra mer än bara diagnosens träffsäkerhet. Den kan leda till snabbare och mer tillförlitliga diagnoser, vilket kan stödja vårdpersonal och minska negativa uppfattningar om psykiska hälsokontroller. Med ytterligare utveckling kan dessa AI-system även möjliggöra diagnos på distans, vilket bidrar till att alla får tillgång till psykisk hälsovård.
AI-verktyg kan även revolutionera branscher som finans och juridik, där det är avgörande att människor kan förstå och ha tillit till AI:s beslut. När AI-teknologin utvecklas förväntas den hantera komplexa data och ge begripliga anledningar till sina slutsatser för att bli allmänt accepterad och använd.
Studien publiceras här:
http://dx.doi.org/10.3390/brainsci14101018och dess officiella citering - inklusive författare och tidskrift - är
Musyyab Yousufi, Robertas Damaševičius, Rytis Maskeliūnas. Multimodal Fusion of EEG and Audio Spectrogram for Major Depressive Disorder Recognition Using Modified DenseNet121. Brain Sciences, 2024; 14 (10): 1018 DOI: 10.3390/brainsci1410101821 november 2024 · 08:55
Osäkerhet kring AI påverkar asiatiska marknader trots Nvidia-succé
20 november 2024 · 17:56
AI lär sig att känna av ytor med hjälp av banbrytande kvantteknik och laserprecision
20 november 2024 · 01:02
Kraftfull AI för mobilen: Kompakta språkmodeller som sparar energi och främjar integritet
Dela den här artikeln