Sztuczna Inteligencja (SI) została uznana za potencjalne narzędzie do identyfikowania objawów depresji poprzez analizę mediów społecznościowych. Jednakże niedawne badanie ujawnia niepokojącą dysproporcję w zdolności modeli SI do wykrywania depresji w różnych grupach rasowych. Podczas gdy modele SI obiecywały w identyfikacji sygnałów depresji u białych Amerykanów, były znacznie mniej skuteczne, gdy zastosowano je do jednostek czarnoskórych. Studium to podkreśla znaczenie uwzględniania zróżnicowanych danych rasowych i etnicznych podczas szkolenia modeli SI do zadań związanych z opieką zdrowotną.
Autorzy badania wykorzystali „gotowe” narzędzie SI do analizy języka używanego w postach na mediach społecznościowych przez 868 wolontariuszy, w tym równą liczbę dorosłych czarnoskórych i białych, którzy mieli podobne cechy pod względem wieku i płci. Wszyscy uczestnicy wypełnili również zwalidowany kwestionariusz powszechnie stosowany w placówkach opieki zdrowotnej do przesiewowego badania depresji.
Wcześniejsze badania wskazywały, że osoby często używające zaimek pierwszej osoby oraz określone kategorie słów, w tym wyrażenia deprecjonujące siebie, są bardziej narażone na depresję. Jednak nowe badanie odkryło, że te skojarzenia językowe dotyczyły jedynie osób białych. Użycie „ja-mowy” lub skupienia na sobie, deprecjonowanie siebie, auto-krytyka i poczucie bycia obcojęzycznym nie były istotnymi wskaźnikami depresji dla osób czarnoskórych.
Autorzy studium wyrazili zdziwienie brakiem generalizowalności tych skojażeń językowych wśród grup rasowych. Ich raport, opublikowany w PNAS (Proceedings of the National Academy of Sciences), odzwierciedla zaniepokojenie z powodu zaniedbania zagadnienia rasy w dotychczasowych badaniach dotyczących oceny chorób psychicznych na podstawie języka.
Należy podkreślić, że dane z mediów społecznościowych same nie mogą być wykorzystane do diagnozowania depresji. Jednakże mogą one być pomocne w ocenie ryzyka dla jednostek lub grup. Identyfikacja wzorców w użyciu języka może dostarczyć wglądu w zdrowie psychiczne społeczności, potencjalnie pomagając dostawcom opieki zdrowotnej skuteczniej radzić sobie z wyzwaniami związanymi z zdrowiem psychicznym.
Zdecydowanie potencjalne zastosowania SI w opiece zdrowotnej psychicznej są obszerne. Wcześniejsze badanie tego samego zespołu badawczego wykorzystało analizę języka na platformach mediów społecznościowych do oceny zdrowia psychicznego w społecznościach podczas pandemii COVID-19. Ponadto, wzorce językowe wskazujące na depresję w mediach społecznościowych udowodniły, że dostarczają cennych informacji na temat prawdopodobieństwa porzucenia leczenia i nawrotów u pacjentów z zaburzeniami związanymi z używaniem substancji.
Adresowanie dysproporcji w skuteczności modeli SI wśród grup rasowych jest kluczowe dla zapewnienia sprawiedliwej opieki zdrowotnej psychicznej. W przyszłych badaniach należy priorytetowo traktować inność danych, uwzględniając zróżnicowane grupy rasowe i etniczne, aby opracować modele SI zapewniające dokładne i niezawodne wyniki dla każdego.
The source of the article is from the blog xn--campiahoy-p6a.es