Fastweb

La depressione infantile rilevata dal machine learning

etichette scadenza Smartphone & Gadget #alimenti #salute Etichette intelligenti ci avviseranno quando il cibo è scaduto Le nuove etichette degli ingredienti e le date di scadenza dei prodotti si leggeranno con lo smartphone
ISCRIVITI alla Newsletter
Inserendo l'indirizzo email autorizzi Fastweb all'invio di newsletter editoriali. Se non desideri più ricevere la newsletter, è sufficiente cliccare sul link presente in calce alle mail per richiederne la cancellazione. Condizioni di utilizzo.
La depressione infantile rilevata dal machine learning FASTWEB S.p.A.
depressione infantile
Web & Digital
Un algoritmo di apprendimento automatico rivela i segnali di depressione infantile attraverso la parola

L'ansia e la depressione sono condizioni intrinsecamente difficili da diagnosticare, solitamente i medici si dasano su esami e questionari per fare le loro valutazioni. Per questo motivo, la ricerca è rivolta a trovare metodi sempre più chiari e più diretti per identificare questo tipo di condizioni, e gli scienziati dell'Università del Vermont ritengono di averne scoperto un altro. Con l'aiuto di un algoritmo AI recentemente sviluppato, infatti, sarebbero in grado di rilevare i segnali di depressione infantile nei discorsi di un soggetto.

Diagnosticare la depressione attraverso i mezzi tipici può permettere al paziente di affrontarla, ma può anche essere un processo costoso. Questi motivi hanno spinto una serie di iniziative di ricerca volte a scoprire metodi sempre nuovi, con risultati promettenti.

Uno studio del 2014 ha scoperto, ad esempio, un legame tra i livelli di serotonina nel sangue e la rete di depressione nel cervello. Uno studio del 2017 si è basato su un programma per computer in grado di rilevare i segni della depressione tramite le immagini su Instagram del soggetto, mentre un altro, partito ad inizio anno, esplorava come un algoritmo di apprendimento automatico potesse identificare questo tipo di condizioni con l'aiuto di sensori di movimento indossabili.

Anche la nuova ricerca utilizza un algoritmo di machine learning, ma questa volta sintonizzato per rilevare i marcatori di depressione e ansia attraverso il linguaggio dei bambini piccoli, condizioni note insieme come "disordini interiorizzanti". Ciò che ha spinto i ricercatori a questo problema è stato il disturbo che i bambini di età inferiore agli otto hanno nel comunicare il loro benessere mentale e le conseguenze delle condizioni che non sono state diagnosticate nello sviluppo del cervello.

"Abbiamo bisogno di test rapidi e obiettivi per recuperare in tempo i bambini quando soffrono", dice Ellen McGinnis, psicologa clinica presso il Centro Medico dell'Università del Vermont e autrice principale dello studio. "La maggior parte dei problemi dei bambini sotto gli otto anni non vengono diagnosticati".

McGinnis e il suo team hanno arruolato un gruppo di 71 bambini di età compresa tra i tre e gli otto anni e li hanno sottoposti a una variazione del Trier-Social Stress Task, un esercizio di induzione dell'umore progettato per scatenare sentimenti di stress e ansia. In esso, i bambini hanno avuto il compito di improvvisare un'interessante storia di tre minuti mentre un giudice severo li guardava e dava loro un feedback neutro o negativo.

"Il compito è progettato per essere stressante e per metterli nella condizione di pensare che qualcuno li sta giudicando", dice Ellen McGinnis.

Nel frattempo, un algoritmo di apprendimento automatico è stato messo in funzione per analizzare i loro discorsi. Questa analisi è stata poi confrontata con la diagnosi tradizionale ottenuta attraverso un colloquio clinico e un questionario, e i ricercatori sono stati in grado di evidenziare alcune caratteristiche del loro discorso che sembravano servire da indicatori di depressione e ansia. Le tre caratteristiche che spiccavano davvero sono descritte come parole a bassa voce, inflessioni ripetitive del discorso e una risposta più acuta a un cicalino.

"Una voce bassa e elementi di discorso ripetibili rispecchiano ciò che pensiamo quando pensiamo alla depressione: una voce monotona e la ripetitività", dice McGinnis.

Un chiaro vantaggio dell'approccio, anche se solo dimostrato in questo piccolo studio, è la sua efficienza, con l'algoritmo in grado di offrire la sua analisi entro pochi secondi dal termine dell'attività. Con questi risultati positivi, il team sta ora esplorando come potrebbe potenzialmente essere implementato come strumento di screening universale per uso clinico, possibilmente sotto forma di app per smartphone.

"L'algoritmo è stato in grado di identificare i bambini con una diagnosi di disturbo interiorizzante con un'accuratezza dell'80%", afferma Ryan McGinnis, ingegnere biomedico presso l'Università del Vermont e membro del team.

L'intera ricerca è stata pubblicata sul Journal of Biomedical and Health Informatics.

8 maggio 2019

Fonte: newatlas.com

Ti piace
questo
articolo?
Iscriviti alla nostra Newsletter

Riceverai settimanalmente le notizie più
interessanti sul mondo della tecnologia!

Inserendo l'indirizzo email autorizzi Fastweb all'invio di newsletter editoriali. Se non desideri più ricevere la newsletter, è sufficiente cliccare sul link presente in calce alle mail per richiederne la cancellazione. Condizioni di utilizzo.
TAGS: #salute #intelligenza artificiale #machine learning

© Fastweb SpA 2019 - P.IVA 12878470157
ChiudiChiudi Questo sito usa cookies di profilazione, propri e di terzi, per adeguare la pubblicità alle tue preferenze.
Clicca qui per maggiori informazioni o per conoscere come negare il consenso. Se chiudi questo banner o accedi ad altri elementi della pagina acconsenti all'uso dei cookies.