Veštačka inteligencija, uključujući sisteme mašinskog učenja, mogla bi da pomogne kliničarima za mentalno zdravlje da optimizuju tretmane za poremećaj govora ili prekide u redovnom toku govora.
Michael Guerzhoi, docent, smer predavanja, na odseku za inženjerske nauke i odeljenju za mašinsko i industrijsko inženjerstvo na Fakultetu primenjenih nauka i inženjerstva Univerziteta u Torontu, i tim studenata osnovnih studija razvijaju „učenje-pojačavanje- baziran“ sistem koji koristi algoritme mašinskog učenja kako bi pomogao kliničarima da predvide ishode leka i u skladu s tim prilagode dozu.
Nasuprot tome, mnogi kliničari trenutno prilagođavaju lekove na osnovu skupih i oskudnih zapažanja, što otežava identifikaciju da li određeni lek deluje optimalno. To je zato što pacijenti različito reaguju na lekove i njegovi efekti mogu biti suptilni ili vidljivi samo tokom dužeg vremenskog perioda. Efekte je takođe teško razlikovati od drugih faktora koji utiču na ponašanje pacijenata.
Guerzhoi kaže da kompleksni simptomi poput poremećaja govora – koje karakterišu hronični i ponovljeni problemi sa kontinuiranim govorom – mogu biti posebno izazovni za lečenje.
„Studije pokazuju da postoji korelacija između stanja mentalnog zdravlja kao što su anksioznost i depresija i poremećaj govora“, kaže on. „Verujem da se briga o pacijentima može značajno poboljšati u situacijama kada su česta posmatranja po niskim cenama moguća korišćenjem sistema učenja za pojačanje kako bi se pomoglo u prepisivanju i prilagođavanju lekova.“
Tim je izložio svoje istraživanje u nedavnom radu predstavljenom na radionici Mašinsko učenje za kognitivno i mentalno zdravlje na Konferenciji Udruženja za unapređenje veštačke inteligencije koja je održana 20. do 27. februara u Vankuveru, Kanada. Trenutno je dostupan na arXiv serveru za preprint.
Prva komponenta sistema sadrži modul koji otkriva i procenjuje poremećaj govora na velikom skupu podataka. Drugi je algoritam učenja za pojačavanje koji automatski pronalazi i preporučuje kombinacije lekova. Da bi podržao dva modula, tim je napravio uverljiv sistem simulacije pacijenta.
Guerzhoi je uporedio ovaj sistem sa idejom kompjutera koji igra šah. „Svi znamo da su kompjuteri odlični u igranju šaha“, kaže on. „Nadamo se da će ovi kompjuterski zasnovani modeli učenja pojačanja pomoći kliničarima da postanu neka vrsta šahovskih velemajstora u svojoj oblasti.
Istražujući potencijal automatizacije i finog podešavanja režima lekova za pacijente, tim se nada da će obezbediti put za poboljšanje načina na koji lečimo mentalno zdravlje. Iskorištavanje AI da uhvati male promene u ponašanju u češćim koracima bi dalo kliničarima još jedan alat u njihovom kompletu alata, kaže Guerzhoi, posebno zato što je visoka cena sesija značajan faktor u lečenju pacijenata.
Guerzhoi je istakao presudnu ulogu koju igra tim studenata osnovnih studija, u kojem su bili: Michael Akzam, Micol Altomare, Lauren Altomare, Nimit Amikumar Bhanshali, Kaison Cheung, Jiacheng Chen, Andreas Constas, Pavlos Constas, Vhea He, Aditia Khan, Asad Khan, Heraa Murki, Matthev Honorio Oliveira, Ioussef Rachad, Vikram Raval i Najma Sultani—svi studenti osnovnih studija na U of T—i Carrie Chen sa Univerziteta Cornell.
„Imati tako veliki tim studenata osnovnih studija koji su strastveni u istraživanju bilo je od suštinskog značaja.
