Ny AI upptäcker psykiska störningar baserat på webbinlägg

Dartmouth-forskare har byggt en artificiell intelligensmodell för att upptäcka psykiska störningar med hjälp av konversationer på Reddit, en del av en framväxande våg av screeningverktyg som använder datorer för att analysera inlägg på sociala medier och få en inblick i människors mentala tillstånd.

Vad sätter det nya modell apart är fokus på känslorna snarare än det specifika innehållet i de sociala medietexter som analyseras. I en artikel som presenterades vid den 20:e internationella konferensen om webbintelligens och intelligent agentteknologi, visar forskarna att detta tillvägagångssätt presterar bättre över tid, oavsett vilka ämnen som diskuteras i inläggen.

Det finns många anledningar till varför folk inte söker hjälp för psykiska sjukdomar—Stigma, höga kostnader och bristande tillgång till tjänster är några vanliga hinder. Det finns också en tendens att minimera tecken på mentala störningar eller blanda ihop dem med stress, säger Xiaobo Guo, Guarini '24, en medförfattare till tidningen. Det är möjligt att de kommer att söka hjälp med någon uppmaning, säger han, och det är där digitala screeningverktyg kan göra skillnad.

"Sociala medier erbjuder ett enkelt sätt att ta del av människors beteenden", säger Guo. Uppgifterna är frivilliga och offentliga, publicerade för andra att läsa, säger han.

Reddit, som erbjuder ett enormt nätverk av användarforum, var deras valplattform eftersom den har nästan en halv miljard aktiva användare som diskuterar ett brett spektrum av ämnen. Inläggen och kommentarerna är offentligt tillgängliga, och forskarna kan samla in data från 2011.

I sin studie fokuserade forskarna på vad de kallar känslomässiga störningar— allvarliga depressiva, ångest- och bipolära störningar — som kännetecknas av distinkta känslomönster. De tittade på data från användare som hade självrapporterat en av dessa störningar och från användare utan några kända psykiska störningar.

De tränade sin modell att märka de känslor som uttrycks i användarnas inlägg och kartlägga de känslomässiga övergångarna mellan olika inlägg, så att ett inlägg kunde märkas som "glädje", "ilska", "ledselse", "rädsla", "inga känslor" eller en kombination av dessa. Kartan är en matris som skulle visa hur troligt det var att en användare gick från ett tillstånd till ett annat, till exempel från ilska till ett neutralt tillstånd utan känslor.

Olika känslomässiga störningar har sina egna signaturmönster av känslomässiga övergångar. Genom att skapa ett känslomässigt "fingeravtryck" för en användare och jämföra det med etablerade signaturer av känslomässiga störningar, kan modellen upptäcka dem. För att validera sina resultat testade de det på inlägg som inte användes under träningen och visar att modellen exakt förutsäger vilka användare som kan ha eller inte har någon av dessa störningar.

Detta tillvägagångssätt kringgår ett viktigt problem som kallas "informationsläckage" som typiska screeningverktyg stöter på, säger Soroush Vosoughi, biträdande professor i datavetenskap och en annan medförfattare. Andra modeller är uppbyggda kring att granska och förlita sig på innehållet i texten, säger han, och samtidigt som modellerna visar hög prestanda kan de också vara vilseledande.

Läs hela historien här ...