Szomorú vagy depressziós? Magyar fejlesztésű algoritmus döntheti el a beszéded alapján
A depresszió világszerte milliókat érint, népbetegség, ami az Egészségügyi Világszervezet adatai szerint nagyjából 280 millió embert, a lakosság 5 százalékát érintheti. Előrejelzések szerint 2030-ra ez a mentális probléma jelentheti majd a legnagyobb terhet a világ egészségügyi és gazdasági rendszereire.
Ezeket láttad már?
Egy magyar fejlesztés, a beszédelemzésen alapuló, a depresszió felismerését segítő nyelvfüggetlen szoftvert fejleszt közösen a Budapesti Műszaki és Gazdaságtudományi Egyetem és a Semmelweis Egyetem. A technológia elsősorban az alapellátásban segíthetné a szűrést, időt és pénzt spórolva az egészségügynek. Az alkalmazás már elkészült, de élesítéséhez további tesztekre van szükség.
Nehéz felállítani a diagnózist
A tünetek sokszínűsége, a mentális problémák körüli stigma és az egészségügyet világszinten érintő humánerőforrás-gondok miatt a betegséget nehéz és időigényes diagnosztizálni. Éppen ezért régóta szeretnének olyan objektíven mérhető jellemzőket (biomarkerek) meghatározni, amelyek orvosi jelenlét nélkül segíthetik a gyorsabb felismerést. „Ilyen lehet a páciensek megváltozott beszéde, melyről mára gyakorlatilag egyetértés van a szakirodalomban” – mondja dr. Hajduska-Dér Bálint, a Semmelweis Egyetem Pszichiátriai és Pszichoterápiás Klinikájának tanérsegéde és egy, a Frontiers in Psychiatry című folyóiratban nemrég megjelent tanulmány első szerzője.
A beszédhang elárulja, ha baj van
A publikációban egy Budapesti Műszaki és Gazdaságtudományi Egyetemen (BME) fejlesztett, mesterséges intelligencia alapú beszédhangfeldolgozó alkalmazás működését analizálták, mellyel a depresszió felismerését egyszerűsítenék. „A depressziós betegek beszéde általában megváltozik: monotonabb és halkabb lesz, többször tartanak szünetet. Ezeket a jellegzetességeket tanítjuk meg a szoftvernek egy speciális módszer (Support Vector Regression) segítségével” – magyarázza dr. Kiss Gábor, a BME Távközlési és Médiainformatikai Tanszékének tudományos munkatársa. 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.
A megfelelő diagnózis életeket menthet
A WHO adatai szerint évente több mint hétszázezer ember követ el öngyilkosságot, ezért a depresszió korai felismerése és kezelése nagyon fontos. A magyar kutatók legutóbbi tanulmányukban arra keresték a választ, hogy a szoftver melyik hagyományosan használt diagnosztikai módszerből nyert adatokkal szűri ki nagyobb pontossággal a depressziót. 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. Az előbbi azért mert a páciens maga tölti ki, így nagyon sok függ attól, hogyan értékeli a saját tüneteit, utóbbit egy orvos tölti ki, viszont időigényesebb, és szakember jelenlétét igényli.
Magyar adatbázisból tanult a rendszer
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, tízmondatos mesét kellett felolvasniuk. A szakemberek rögzítették a BDI teszten elért pontszámukat, életkorukat, nemüket, dohányzási- és gyógyszerszedési szokásaikat, illetve, hogy van-e beszédet befolyásoló betegségük. 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 százalékos pontossággal szűrte ki a depressziós betegeket, ha a klinikusok által kitöltött HAMD-teszt pontszámokkal „tanították” a szoftvert, és 76 százalékos pontossággal mért, ha az önkitöltős BDI-teszt pontszámait vették figyelembe.
„Az eredményeink azt mutatják, hogy az akusztikus biomarkerek segítségével a depresszió hamarabb felismerhető, és egy automatizált döntéshozó szoftver széleskörben is használható lenne, mint kiegészítő diagnosztikai eszköz. Nemcsak az általános orvosi praxisban, de akár könnyen és olcsón elérhető mobil- vagy webes applikációk formájában is” – mondja dr. Kiss Gábor.
Gyorsabb felismerés, hatékonyabb segítség
A beszédhangon alapuló korai felismerés már csak azért is fontos, mert felgyorsítható lenne, hogy a beteg minél hamarabb segítséghez jusson. „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” - sorolja dr. Hajduska-Dér Bálint az előnyöket.
A mesterséges intelligencia bevonása ezért 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.
