Peneliti Dartmouth melaporkan bahwa mereka telah mengembangkan aplikasi ponsel cerdas pertama yang menggunakan kecerdasan buatan yang dipasangkan dengan perangkat lunak pengolah gambar wajah untuk mendeteksi timbulnya depresi secara andal bahkan sebelum pengguna mengetahui ada sesuatu yang salah.
Aplikasi tersebut, yang disebut MoodCapture, menggunakan kamera depan ponsel untuk menangkap ekspresi wajah seseorang dan lingkungan sekitar selama penggunaan normal, kemudian mengevaluasi gambar tersebut untuk mengetahui isyarat klinis yang terkait dengan depresi. Dalam penelitian terhadap 177 orang yang didiagnosis dengan gangguan depresi mayor, aplikasi tersebut dengan tepat mengidentifikasi gejala awal depresi dengan akurasi 75%.
Hasil ini menunjukkan bahwa teknologi tersebut dapat tersedia untuk umum dalam lima tahun ke depan dengan pengembangan lebih lanjut, kata para peneliti, yang berbasis di Departemen Ilmu Komputer dan Fakultas Kedokteran Geisel.
Tim tersebut mempublikasikan temuan mereka di database pracetak arXiv pada tanggal 27 Februari sebelum presentasi mereka di konferensi CHI 2024 Asosiasi Mesin Komputasi pada bulan Mei. Makalah yang dipresentasikan di CHI ditinjau sejawat sebelum diterima dan akan dipublikasikan dalam prosiding konferensi.
“Ini adalah pertama kalinya gambar alam ‘liar’ digunakan untuk memprediksi depresi,” kata Andrew Campbell, penulis makalah dan Profesor Ilmu Komputer Albert Bradley Third Century pada tahun 1915. “Ada gerakan untuk teknologi kesehatan mental digital. yang pada akhirnya hadir dengan alat yang dapat memprediksi suasana hati orang yang didiagnosis menderita depresi berat dengan cara yang andal dan non-invasif.”
“Orang-orang menggunakan perangkat lunak pengenalan wajah untuk membuka kunci ponsel mereka ratusan kali sehari,” kata Campbell, yang ponselnya baru-baru ini menunjukkan bahwa dia melakukannya lebih dari 800 kali dalam seminggu.
“MoodCapture menggunakan rangkaian teknologi serupa yaitu teknologi pengenalan wajah dengan pembelajaran mendalam dan perangkat keras AI, sehingga terdapat potensi besar untuk mengembangkan teknologi ini tanpa masukan atau beban tambahan apa pun pada pengguna,” katanya. “Seseorang cukup membuka kunci ponselnya dan MoodCapture mengetahui dinamika depresinya dan dapat menyarankan agar mereka mencari bantuan.”
Untuk penelitian ini, aplikasi tersebut menangkap 125.000 gambar peserta selama 90 hari. Orang-orang dalam penelitian tersebut setuju untuk mengambil foto dengan kamera depan ponsel mereka, namun tidak tahu kapan hal itu terjadi.
Mengutip
Saya merasa teknologi seperti itu bisa tersedia untuk umum dalam waktu lima tahun. Kami telah menunjukkan bahwa hal itu bisa dilakukan.
Atribusi
Andrew Campbell, Albert Bradley 1915 Profesor Ilmu Komputer di Abad Ketiga
Kelompok peserta pertama digunakan untuk memprogram MoodCapture untuk mendeteksi depresi. Mereka difoto secara acak menggunakan kamera depan ponsel saat mereka menanggapi pernyataan, “Saya merasa sedih, depresi, atau putus asa.” Pernyataan tersebut berasal dari delapan item Kuesioner Kesehatan Pasien, atau PHQ-8, yang dikumpulkan oleh para dokter. digunakan untuk mendeteksi dan memantau depresi berat.
Para peneliti menggunakan analisis gambar AI pada foto-foto ini sehingga model prediktif MoodCapture dapat belajar mengkorelasikan laporan diri tentang perasaan tertekan dengan ekspresi wajah tertentu – seperti tatapan mata, gerakan mata, posisi kepala, dan kekakuan otot – serta fitur lingkungan seperti warna dominan. , pencahayaan, penempatan foto dan jumlah orang dalam gambar.
Konsepnya adalah setiap kali pengguna membuka kunci ponselnya, MoodCapture menganalisis rangkaian gambar secara real time. Model AI menggambarkan hubungan antara ekspresi dan detail latar belakang yang penting untuk memprediksi tingkat keparahan depresi. Seiring waktu, MoodCapture mengidentifikasi karakteristik gambar khusus pengguna. Misalnya, jika seseorang terus-menerus muncul dengan ekspresi datar di ruangan remang-remang dalam jangka waktu lama, model AI dapat menyimpulkan bahwa orang tersebut sedang mengalami permulaan depresi.
Untuk menguji model prediktif, para peneliti meminta kelompok peserta terpisah menjawab pertanyaan PHQ-8 yang sama sementara MoodCapture memotretnya. Perangkat lunak ini menganalisis foto-foto ini untuk mengetahui indikator depresi berdasarkan data yang dikumpulkan dari kelompok pertama. Kelompok terakhir inilah yang ditentukan dengan benar oleh MoodCapture AI dengan akurasi 75%.
“Hal ini menunjukkan cara untuk menjadi alat yang ampuh untuk menilai suasana hati seseorang secara pasif dan menggunakan data sebagai dasar untuk intervensi terapeutik,” kata Campbell, sambil mencatat bahwa akurasi 90% akan menjadi ambang batas untuk sensor yang layak. “Saya merasa teknologi seperti itu bisa tersedia untuk umum dalam waktu lima tahun. Kami telah menunjukkan bahwa hal itu bisa dilakukan.”
MoodCapture menghadapi depresi berat dalam jangka waktu yang tidak teratur, kata Nicholas Jacobson, rekan penulis studi dan asisten profesor ilmu data biomedis dan psikiatri di Pusat Teknologi dan Kesehatan Perilaku Dartmouth.
“Banyak dari intervensi terapeutik kami untuk depresi berfokus pada jangka waktu yang lebih lama, namun orang-orang ini mengalami pasang surut dalam kondisi mereka. Penilaian tradisional mengabaikan sebagian besar depresi,” kata Jacobson, yang memimpin laboratorium AI dan Kesehatan Mental: Inovasi dalam Teknologi untuk Perawatan Kesehatan Terkelola (AIM HIGH).
“Tujuan kami adalah untuk menangkap perubahan gejala yang dialami penderita depresi dalam kehidupan sehari-hari,” kata Jacobson. “Jika kita dapat menggunakan ini untuk memprediksi dan memahami perubahan cepat dalam gejala depresi, kita pada akhirnya dapat membalikkan dan mengobatinya.” Semakin kita bisa berada pada saat ini, semakin kecil dampak depresinya.”
Jacobson membayangkan bahwa teknologi seperti MoodCapture dapat membantu menjembatani kesenjangan yang signifikan antara saat penderita depresi memerlukan intervensi dan benar-benar mengakses sumber daya kesehatan mental. Rata-rata, kurang dari 1% hidup seseorang dihabiskan bersama dokter seperti psikiater, katanya. “Tujuan dari teknologi ini adalah untuk memberikan lebih banyak dukungan secara real-time tanpa memberikan tekanan tambahan pada sistem perawatan,” kata Jacobson.
Aplikasi AI seperti MoodCapture idealnya menyarankan tindakan pencegahan, seperti pergi keluar atau tinggal bersama teman, daripada secara eksplisit memberi tahu seseorang bahwa mereka mungkin memasuki kondisi depresi, kata Jacobson.
“Memberi tahu seseorang sesuatu yang buruk tentang apa yang terjadi pada dirinya dapat memperburuk keadaan,” katanya. “Kami pikir MoodCapture membuka pintu bagi alat penilaian yang dapat membantu mendeteksi depresi sebelum menjadi lebih buruk. Penerapan ini harus dibarengi dengan intervensi yang secara aktif berupaya menghentikan depresi sebelum menyebar dan berkembang. Lebih dari sepuluh tahun yang lalu, pekerjaan seperti ini tidak terbayangkan.”
Studi ini didasarkan pada hibah kepada Jacobson dari National Institutes of Mental Health, yang menyelidiki penggunaan pembelajaran mendalam dan pengumpulan data pasif untuk mendeteksi gejala depresi secara real time. Hal ini juga didasarkan pada penelitian tahun 2012 yang dipimpin oleh laboratorium Campbell yang mengumpulkan data pasif dan otomatis dari ponsel peserta Dartmouth untuk menilai kesehatan mental mereka.
Namun kemajuan dalam kamera ponsel pintar telah memungkinkan para peneliti untuk menangkap dengan jelas jenis foto pasif yang akan diambil selama penggunaan telepon normal, kata Campbell. Campbell adalah direktur teknologi baru dan analisis data di Pusat Teknologi dan Kesehatan Perilaku, di mana ia memimpin tim yang mengembangkan sensor seluler yang dapat melacak metrik seperti keadaan emosi dan kinerja pekerjaan berdasarkan data pasif.
Sebuah studi baru menunjukkan bahwa fotografi pasif adalah kunci keberhasilan alat terapi bergerak, kata Campbell. Foto-foto tersebut menangkap suasana hati dengan lebih akurat dan lebih sering dibandingkan selfie buatan pengguna, serta tidak mengecilkan hati pengguna karena memerlukan keterlibatan aktif. “Foto-foto netral ini sangat mirip dengan melihat seseorang pada saat mereka tidak sedang memakai veneer, sehingga meningkatkan kinerja model ekspresi wajah prediktif kami,” kata Campbell.
Subigya Nepal, kandidat PhD di Sekolah Pascasarjana dan Studi Lanjutan Guarini di kelompok penelitian Campbell, yang ikut menulis penelitian dengan mahasiswa PhD Guarini Arvind Pillai, mengatakan langkah selanjutnya untuk MoodCapture termasuk melatih AI pada lebih banyak variasi peserta. , meningkatkan kemampuan diagnostiknya dan memperkuat langkah-langkah perlindungan privasi.
Para peneliti membayangkan sebuah iterasi MoodCapture di mana foto tidak pernah lepas dari ponsel seseorang, kata Nepal. Gambar tersebut akan diproses di perangkat pengguna untuk mengekstrak ekspresi wajah yang terkait dengan depresi dan mengubahnya menjadi kode untuk model AI. “Bahkan jika data terkadang keluar dari perangkat, tidak ada cara untuk menyatukannya kembali menjadi gambar yang mengidentifikasi pengguna,” katanya.
Sementara itu, akurasi aplikasi dapat meningkat di sisi konsumen jika AI dirancang untuk menambah pengetahuannya berdasarkan ekspresi wajah orang yang menggunakannya, kata Nepal.
“Anda tidak harus memulai dari awal – kami tahu bahwa model umum memiliki akurasi 75%, sehingga data orang tertentu dapat digunakan untuk menyempurnakan model tersebut. Fasilitas ini seharusnya dapat menangani hal ini dengan mudah dalam beberapa tahun ke depan,” kata Nepal. “Kita tahu bahwa ekspresi wajah menunjukkan keadaan emosi. Studi kami adalah bukti konsep bahwa ketika menggunakan teknologi untuk menilai kesehatan mental, itu adalah salah satu sinyal terpenting yang bisa kami dapatkan.”
+ There are no comments
Add yours