پیش‌بینی روان‌پریشی از طریق هوش مصنوعی

آیا هوش مصنوعی می‌تواند روان‌پریشی را قبل از وقوع پیش‌بینی کند؟

روان‌پریشی یک اختلال روانی پیچیده است که با علائمی مانند توهمات، باورهای غلط و مشکل در ارتباط با واقعیت شناخته می‌شود. موسسه ملی بهداشت روان (NIMH) روان‌پریشی را به‌عنوان مجموعه‌ای از علائم تعریف می‌کند که بر توانایی فرد برای درک واقعیت تأثیر می‌گذارد. بر اساس برآوردهای NIMH، سالانه 15 تا 100 نفر از هر 100,000 نفر دچار روان‌پریشی می‌شوند. این اختلال می‌تواند به دلایل مختلفی از جمله عوامل ژنتیکی، استرس، تروما، بیماری‌های روانی مانند اسکیزوفرنی، اختلال دوقطبی یا افسردگی شدید، محرومیت از خواب، سوءمصرف مواد و حتی بیماری‌هایی مانند آلزایمر، زوال عقل و پارکینسون رخ دهد. اما آیا هوش مصنوعی (AI) می‌تواند این اختلال را قبل از وقوع پیش‌بینی کند؟ پاسخ کوتاه این است: بله، و این مقاله به شما نشان می‌دهد که چگونه.

روان‌پریشی چیست و چرا پیش‌بینی آن مهم است؟

روان‌پریشی با علائمی مانند توهمات (شنیدن یا دیدن چیزهایی که وجود ندارند)، باورهای غلط (مانند پارانویا یا اعتقادات نادرست)، مشکلات تفکر منطقی، و تغییرات رفتاری مانند فاصله‌گیری اجتماعی یا کاهش مراقبت از خود همراه است. این علائم ممکن است قبل از وقوع کامل روان‌پریشی به‌صورت خفیف ظاهر شوند، به‌ویژه در افرادی که در معرض خطر بالینی (CHR) قرار دارند.

پیش‌بینی زودهنگام روان‌پریشی اهمیت زیادی دارد، زیرا می‌تواند به پزشکان اجازه دهد تا با مداخلات زودهنگام از پیشرفت بیماری جلوگیری کنند یا شدت علائم را کاهش دهند. اما تشخیص این علائم با روش‌های سنتی دشوار است، زیرا ممکن است با سایر اختلالات روانی اشتباه گرفته شوند. اینجا جایی است که هوش مصنوعی وارد میدان می‌شود.

نقش هوش مصنوعی و یادگیری ماشین در پیش‌بینی روان‌پریشی

محققان با استفاده از هوش مصنوعی و یادگیری ماشین (ML) توانسته‌اند روش‌هایی برای پیش‌بینی روان‌پریشی توسعه دهند. یکی از ابزارهای کلیدی در این زمینه، داده‌های اسکن مغزی MRI است که به الگوریتم‌ها کمک می‌کند الگوهای مرتبط با روان‌پریشی را شناسایی کنند.

الگوریتم XGBoost: پیش‌بینی با دقت بالا

در مطالعه‌ای که توسط گروه کاری ENIGMA Clinical High Risk for Psychosis انجام شد، دانشمندان از الگوریتم یادگیری ماشین XGBoost (مخفف eXtreme Gradient Boosting) استفاده کردند. XGBoost یک کتابخانه نرم‌افزاری منبع‌باز و مقیاس‌پذیر است که برای الگوریتم‌های درخت تصمیم‌گیری تقویت‌شده با شیب توزیع‌شده (GBDT) طراحی شده است. این الگوریتم به دلیل توانایی‌اش در طبقه‌بندی، رتبه‌بندی و حل مسائل رگرسیون، در این مطالعه به کار گرفته شد.

محققان این الگوریتم را با استفاده از داده‌های اسکن MRI از افرادی که در معرض خطر بالینی بودند و بعداً دچار روان‌پریشی شدند، آموزش دادند. این داده‌ها از 21 سایت مختلف جمع‌آوری شده بود. نتایج این مطالعه نشان داد که XGBoost توانست با دقت 85 درصد در داده‌های آموزشی و 73 درصد در داده‌های تأییدی مستقل، افراد در معرض خطر را که بعداً روان‌پریش شدند، شناسایی کند.

مناطق مغزی کلیدی

تحلیل‌ها نشان داد که برخی مناطق مغزی نقش مهمی در پیش‌بینی روان‌پریشی دارند:

• مناطق گیجگاهی: مرتبط با حافظه و پردازش احساسات.
• اینسولا: درگیر آگاهی از خود و احساسات.
• پیشانی برتر: مسئول عملکردهای اجرایی مانند تصمیم‌گیری و کنترل رفتار.

این مناطق به الگوریتم کمک کردند تا بین افراد سالم و افرادی که در معرض خطر روان‌پریشی بودند، تمایز قائل شود. این یافته‌ها نشان می‌دهند که اسکن MRI می‌تواند ابزار مفیدی برای شناسایی پیش‌آگهی افراد در معرض خطر باشد، به‌ویژه با توجه به تغییرات مغزی در دوران نوجوانی.

چگونه هوش مصنوعی این پیش‌بینی را انجام می‌دهد؟

هوش مصنوعی با تحلیل داده‌های پیچیده کار می‌کند. در این مورد خاص:

1. جمع‌آوری داده‌ها: اسکن‌های MRI از افراد در معرض خطر بالینی جمع‌آوری شد.
2. آموزش الگوریتم: XGBoost با استفاده از این داده‌ها آموزش دید تا الگوهای مرتبط با روان‌پریشی را شناسایی کند.
3. طبقه‌بندی: الگوریتم توانست پیش‌بینی کند که کدام افراد بعداً دچار روان‌پریشی خواهند شد.

دقت بالای این روش نشان‌دهنده پتانسیل هوش مصنوعی برای شناسایی الگوهایی است که ممکن است برای متخصصان انسانی قابل‌تشخیص نباشد.

مزایا و چالش‌ها

مزایا

• تشخیص زودهنگام: امکان مداخله قبل از وقوع روان‌پریشی.
• دقت بالا: شناسایی الگوهای پیچیده در داده‌های مغزی.
• کاهش هزینه‌ها و بهبود زندگی: پیشگیری از پیشرفت بیماری و کاهش نیاز به درمان‌های طولانی‌مدت.

چالش‌ها

• نیاز به داده‌های بیشتر: برای بهبود دقت، داده‌های متنوع‌تری لازم است.
• تعمیم‌پذیری: الگوریتم باید در جمعیت‌ها و دستگاه‌های مختلف کار کند.
• مسائل اخلاقی: حفظ حریم خصوصی و جلوگیری از تبعیض.

هوش مصنوعی، به‌ویژه با استفاده از الگوریتم‌هایی مانند XGBoost و داده‌های اسکن MRI، می‌تواند روان‌پریشی را قبل از وقوع با دقت قابل‌توجهی پیش‌بینی کند. این فناوری نویدبخش آینده‌ای است که در آن تشخیص زودهنگام و مداخلات شخصی‌سازی‌شده می‌توانند زندگی میلیون‌ها نفر را بهبود بخشند. با ادامه تحقیقات، این ابزارها پیشرفته‌تر خواهند شد و نقش بزرگ‌تری در بهداشت روان ایفا خواهند کرد.