Az Mesterséges Intelligencia (AI) egyre inkább úgy van hirdetve, mint egy lehetséges eszköz a depresszió jeleinek azonosítására a társadalmi média elemzésén keresztül. Azonban egy friss tanulmány aggasztó különbségeket mutatott az AI modellek képességeiben a depresszió felismerésére különböző etnikai csoportokban. Míg az AI modellek ígéretesek voltak a depressziós jelek azonosításában a fehér amerikaiaknál, jelentősen kevésbé voltak hatékonyak, amikor Fekete egyénekre alkalmazták. A tanulmány kiemeli annak fontosságát, hogy különböző etnikai és rassz csoportok adatait is be kell építeni az AI modellek képzésébe az egészségügyi feladatok számára.
A kutatók egy „polcról vásárolt” AI eszközt használtak a társadalmi média bejegyzéseinek elemzésére 868 önkéntesnél, köztük egyenlő számú Fekete és fehér felnőtt, akik hasonló jellemzőkkel rendelkeztek életkoruk és nemük tekintetében. Minden résztvevő kitöltött egy validált kérdőívet, amelyet gyakran használnak az egészségügyi környezetekben a depresszió szűrésére.
Korábbi kutatások azt mutatták, hogy azok az egyének, akik gyakran használják az első személyű névmásokat (például „én”, „engem”, „német”), és néhány szó kategória, beleértve az önkritika kifejezéseit, nagyobb kockázatot jelentenek a depresszióra. Azonban az új tanulmány arra az eredményre jutott, hogy ezek a nyelvi kapcsolatok csak a fehérekre vonatkoztak. Az „Én-beszéd”, az ego-ra összpontosító figyelem, az önön leszurkálása, az önkritika és az idegenség érzése nem voltak jelentős depresszió jelei a Fekete egyéneknél.
A tanulmány szerzői meglepődtek azon, hogy ezek a nyelvi kapcsolatok általánosításának hiánya a rassz csoportok között. Jelentésük, amelyet a PNAS-ban (a Nemzeti Tudományos Akadémia Előadásai) publikáltak, aggodalmukat fejezi ki a fajra ajánlás figyelmen kívül hagyása miatt a korábbi munkákban a mentális betegségek nyelvalapú értékeléséről.
Fontos megjegyezni, hogy a társadalmi média adatai önmagukban nem alkalmasak a depresszió diagnosztizálására. Azonban hozzájárulhatnak az egyének vagy csoportok kockázatának értékeléséhez. A nyelvhasználat mintáinak azonosítása betekintéseket nyújthat a közösségek mentális egészségébe, segítve ezzel az egészségügyi szolgáltatókat hatékonyabban kezelni a mentális egészségügyi kihívásokat.
Az AI potenciális alkalmazásai a mentális egészségügyben sokrétűek. Egy korábbi tanulmányban ugyanez a kutatócsapat a társadalmi média platformokon használt nyelvi elemzést alkalmazta a közösségek mentális egészségének értékelésére a COVID-19 járvány alatt. Ezen felül az anyagfüggőségben szenvedő betegeknél a depressziót jelező nyelvi minták a társadalmi médiában értékes betekintéseket nyújtottak a kezelés kihagyásának és visszaesésének valószínűségéről.
A rassz csoportok AI modell hatékonyságának különbségeivel való foglalkozás alapvető fontosságú az igazságos mentális egészségügy biztosítása érdekében. A jövőbeli kutatásoknak prioritásnak kell tekinteniük az adatinkluzivitást, azaz különböző rassz és etnikai csoportok bevonását annak érdekében, hogy olyan AI modelleket fejlesszenek ki, amelyek pontosak és megbízható eredményeket nyújtanak mindenkinek.
The source of the article is from the blog radiohotmusic.it