Tehnoloģijas, it īpaši Mākslīgā intelekta (AI), ir ceļots uzslavas durvis kā potenciāls rīks depresijas pazīmju atpazīšanā sociālo tīklu analīzē. Tomēr nesenā pētījumā atklāj iepriecinošu nelīdzsvarotību AI modeļu spējā atpazīt depresiju dažādās rasu grupās. Lai gan AI modeļi parādīja cerības atpazīt depresijas signālus baltajiem amerikāņiem, tie bija ievērojami mazāk efektīvi, kad tos pielietoja melnādainajiem.
Pētījumā izmantotais “gatavais” AI rīks ļāva pētniekiem izpētīt valodu, kas tiek izmantota sociālo tīklu ierakstos no 868 brīvprātīgajiem, tai skaitā vienādam skaitam melnādaino un baltādaino pieaugušo, kuri dalījās līdzīgos raksturīgos cilvēku īpašībās attiecībā uz vecumu un dzimumu. Visi dalībnieki arī aizpildīja validētu anketu, kas bieži tiek izmantota veselības aprūpes iestādēs, lai izmeklētu depresiju.
Iepriekšējie pētījumi bija norādījuši, ka cilvēki, kuri bieži izmanto pirmās personas vietniekvārdus (piemēram, “es”, “man” vai “mans”) un noteiktas vārdu kategorijas, ieskaitot sevis pazeminošus terminus, ir lielākā depresijas riskā. Tomēr jaunais pētījums atklāja, ka šīs valodas saiknes attiecas tikai uz baltajiem individuāliem. “Es-runāšana” vai uzmanība sevī, sevis pazemināšana, sevis kritika un sajūta kā ārējam cilvēkam nebija nozīmīgi depresijas indikatori melnādainajiem individuāliem.
Pētījuma autori izrādīja pārsteigumu par šo valodas saikņu nevispāratrābu pār dažādām rasu grupām. Viņu ziņojums, publicēts PNAS (Nacionālo zinātņu akadēmijas ziņojumi), atspoguļo bažas par rases ignorēšanu iepriekšējā darbā par valodas pamatotas garīgās slimības novērtēšanu.
Ir svarīgi atzīmēt, ka sociālo tīklu dati vienatnē nevar tikt izmantoti, lai diagnosticētu depresiju. Tomēr tie var veidot riska novērtējumu indivīdiem vai grupām. Valodas lietojuma modelēšanas raksturu identificēšana var sniegt ierosinājumus par kopienām garīgās veselības jomā, iespējams, palīdzot veselības aprūpes sniedzējiem efektīvāk risināt garīgās veselības izaicinājumus.
Bez šaubām, AI potenciālās pielietojamības garīgās veselības jomā ir plašas. Pirms tam šis pašs pētniecības komanda veica izpētes studiju, kurā sociālo tīklu platformās tika izmantota valodas analīze, lai novērtētu garīgo veselību kopienās COVID-19 pandēmijas laikā. Turklāt, pacientiem ar narkotiku atkarību attiecīgās valodas modelēšanas raksti depresijas izpausmju sociālo tīklu ierakstos ir pierādīti kā noderīgi ierosinājumi attiecībā uz ārstēšanas izlaidumu un atkārtošanos.
Nesaskaņojumu risināšana AI modeļu efektivitātē dažādai rasu grupai ir būtisks, lai nodrošinātu līdzvērtīgu garīgo veselības aprūpi. Nākamie pētījumiem vajadzētu piešķirt prioritāti datu iekļaušanai, iekļaujot dažādas rasu un etniskās grupas, lai izstrādātu AI modeļus, kas sniedz precīzus un uzticamus rezultātus visiem.