Bedömning av depression och ångest med hjälp av AI-analyserat språk

Psykisk (o)hälsa bedöms för närvande kvantitativt med hjälp av skattningsskalor och kliniska intervjuer. Dessa bedömningsskalor har sina begränsningar – det är inte ett naturligt sätt att kommunicera på, kanske framförallt om man lider av psykisk ohälsa. Kliniska intervjuer har å andra sidan sina nackdelar. De saknar kvantitativa mått och bygger i grunden på intuitiva och subjektiva tolkningar av utbildade specialister under en begränsad tid. 

Nya möjligheter med AI

De senaste framstegen inom behandlig av naturliga språk (MLP) och maskininlärning (ML) öppnar här nya möjligheter. Ett alternativ som verkar lovande, är att ställa specifika frågor om patienternas psykiska hälsa som de själva svarar på, och sedan analysera dessa svar med metoder baserade på artificiell intelligens.

Vi tillämpar denna frågebaserade beräkningsmetod för bedömning av datorspråk, (QCLA) när det gäller depression och ångest och visar under vilka omständigheter denna metod ger god eller bättre validitet jämfört med konventionella skattningsskalor.

Viktiga frågor här är:

• Hur man kan kombinera betygsskalor och öppna frågor för att förbättra noggrannheten i bedömningarna
• Vilka frågor som ger bäst validitet
• Om det är bättre att ha ett enda eller en kombination av svarsformat, samt
• Hur många ord respondenterna behöver för att kunna ge exakta svar
• Hur många öppna frågor vi behöver för att kunna göra en bra bedömning och
• hur kan vi visualisera djup och lättare depression i "cloud words".

Slutligen undersöker vi även vilka attityder patienter och kliniker har till språkbaserade bedömningar av psykisk hälsa. 

Anmäl dig för att delta

Anmäl dig på #frAIdays hemsida så skickar vi en länk till Zoom-mötet. Föreläsningen hålls på engelska och är öppen för alla.