A depresszió népbetegség, az Egészségügyi Világszervezet adatai szerint körülbelül 280 millió ember, a felnőtt lakosság 5%-a lehet érintett.
Egyes előrejelzések szerint 2030-ra ez a mentális probléma róhatja a legnagyobb terhet a világ egészségügyi és gazdasági rendszereire.
A tünetek sokszínűsége, a mentális problémák körüli stigma és az egészségügyet világszinten érintő humánerőforrás-gondok miatt a betegséget nehéz és időigényes diagnosztizálni.
A publikációban egy Budapesti Műszaki és Gazdaságtudományi Egyetemen (BME) fejlesztett, mesterséges intelligencia alapú beszédhangfeldolgozó alkalmazás működését analizálták, mellyel a depresszió felismerését egyszerűsítenék.
Az alkalmazást 2012-ben kezdték fejleszteni, miután a BME bekapcsolódott az Európai Űrügynökség egyik kutatásába, melyben a déli-sarki Concordia Űrkutató Állomáson dolgozók pszichés állapotát mérték fel.
Mivel az ottani szakemberek sokszor bezárva, nehezen megközelíthető helyen dolgoznak, miközben télen a nappalok is nagyon rövidek, az általuk rendszeresen felolvasott rövid szövegek alapján a beszédükből próbálták meg kiszűrni pszichés állapotuk változásait. Ebből a projektből nőtte ki magát a Semmelweis Egyetem és a BME együttműködése.
Legutóbbi tanulmányukban arra keresték a választ, hogy a szoftver melyik hagyományosan használt diagnosztikai módszerből nyert adatokkal szűri ki nagyobb pontossággal a depressziót.
A WHO adatai szerint évente 700 000-nél is többen követnek el öngyilkosságot világszerte, a szakemberek szerint a depresszió korai felismerése ezért is égető kérdés.
A betegség felismerésére jelenleg leggyakrabban vagy az úgynevezett Beck Depression Inventory (BDI) vagy a Hamilton Rating Scale for Depression (HAMD) teszteket használják, melyek nem teljesen objektívek.
A BDI teszt önkitöltős, ezért sok múlik azon, hogy maga a páciens hogyan értékeli a saját állapotát: túlozhat vagy éppen elbagatellizálhat tüneteket.
Ezzel diagnosztizálni viszont gyorsabb, és nem kíván feltétlenül orvosi jelenlétet. A HAMD tesztet ezzel szemben az orvos tölti ki a beteg jelenlétében, így olyan tüneteket is megfigyelhet, amit a páciens esetleg nem tart fontosnak –, de ez egy időigényesebb folyamat.
A kutatáshoz az úgynevezett Magyar Depressziós Beszéd Adatbázis 218 depressziós és egészséges embertől (144 nő, 74 férfi) származó hangmintáit használták fel.
A résztvevőknek „Az északi szél és a nap” című rövid, 10-mondatos mesét kellett felolvasniuk. A szakemberek rögzítették a BDI teszten elért pontszámukat, életkorukat, nemüket, dohányzási- és gyógyszerszedési szokásaikat, illetve, hogy van-e beszédet befolyásoló betegségük. A résztvevők 20%-ánál (43) a HAMD teszten elért pontszámukat is felvették.
A kutatók ezután különböző fizikai jellemzőket vetettek össze minden egyes beszédmintában, köztük a hangspektrumot, a hangdinamikát, a dallamváltozást vagy a beszédritmust.
Az összesített eredményekből kiderült, hogy az alkalmazás 84%-os pontossággal szűrte ki a depressziós betegeket, ha a klinikusok által kitöltött HAMD-teszt pontszámokkal „tanították” a szoftvert, és 76%-os pontossággal mért, ha az önkitöltős BDI-teszt pontszámait vették figyelembe.
Az érintettek hamarabb juthatnának el pszichiáterhez, ha mondjuk már a háziorvosnál felmerülne, hogy a beteg esetleg depressziós, és emiatt lehetnek fizikai tünetei, például has- vagy hátfájdalma.
A mesterséges intelligencia bevonása ezért közvetve az életminőség javulására is hatással lehet, illetve a kórházban töltött időt és az ellátásra fordított költségeket is csökkenthetné, ezzel tehermentesítve az egészségügyi rendszert.
Az applikáció a betegek állapotának után-követesére és a különböző terápiák hatásosságának mérésére is alkalmas.
A BME-én már tesztelik az alkalmazást más nyelveken is, és szeretnének egy teljesen nyelvfüggetlen applikációt létrehozni. A szoftver egyébként nemcsak depresszió, hanem Parkinson-kór és diszfónia (száj- és gégedaganat vagy egyéb funkcionális rendellenesség) szűrésére is alkalmas.