Diagnostyka zdrowia psychicznego
Większość zaburzeń psychicznych jest bardzo złożona, charakteryzuje się dużą zmiennością fenotypową, częściowo niejasnymi kryteriami diagnostycznymi oraz zachodzi na siebie. Pojedyncza ocena kliniczna nie jest reprezentatywna, jest podatna na efekt ramowania oraz inne błędy poznawcze. Cenne subiektywne doświadczenie pacjenta jest często poważnie zaniedbywane ze względu na jego niejasność, zmienność i idiosynkratyczność w prezentacji objawów. Przeważająca większość zaburzeń psychicznych wydaje się mieć charakter dymensjonalny, a ich ścisła kategoryzacja jest coraz częściej uznawana za sztuczną i dyskusyjną.
Co więcej, diagnoza zdrowia psychicznego jest podatna na systemowe i przewidywalne błędy poznawcze wynikające z nie w pełni uświadamianych, uproszczonych schematów wnioskowania zwanych heurystykami, co może prowadzić do niesprawiedliwości epistemicznej wpływającej negatywnie na ocenę osób z zaburzeniami psychicznymi.
By temu przeciwdziałać, opracowujemy narzędzia zautomatyzowanego rozpoznawania wzorców doświadczeń w wybranych stanach psychicznych za pośrednictwem sieci semantycznych dotyczących przeżyć subiektywnych opartych o dane hybrydowe, zarówno trzecioosobowe opisy kliniczne, jak i pierwszoosobowe raporty o charakterze fenomenologicznym. Jest to istotne także z tego względu, że wiele schorzeń psychicznych jest coraz częściej uznawanych nie za zaburzenia psychiczne per se, ale za wyraz neuroróżnorodności (co oznacza, że obejmują one jedynie statystycznie nietypowe, ale często hiper- lub hipofunkcjonalne percepcje i zachowania).
Elementami najczęściej pomijanymi przy opracowywaniu takich narzędzi są: a) pierwszoosobowy punkt widzenia pacjentów, który zazwyczaj nie poddaje się kwantyfikacji i analizie ilościowej, nie tylko ze względu na swój charakter, ale także brak wystarczająco obszernej bazy danych; b) obiektywne, ilościowe dane pochodzące ze źródeł zewnętrznych (np. profile w mediach społecznościowych), które są w dużej mierze zaniedbywane w procesie diagnostycznym.
Schizofrenia i autyzm
Diagnoza schizofrenii jest procesem żmudnym i podatnym na uprzedzenia, często jest podejmowana w oparciu o niewytłumaczalną intuicję i można ją postawić gdy obraz kliniczny nie spełnia ścisłych kryteriów diagnostycznych. Istnieje kilka dobrych predyktorów schizofrenii, które jednak trudno uwzględnić w typowym środowisku klinicznym posługującym się diagnostyką zoperacjonalizowaną – mogą być jednak wykrywalne przez przedświadome intuicje i naśladujące je narzędzia sztucznej inteligencji. Takie zautomatyzowane narzędzia ułatwiające proces diagnostyczny mogą ograniczyć ryzyko uprzedzeń.
Diagnoza autyzmu jest niezwykle czasochłonna, a jej adekwatność wymaga wysokiego stopnia specjalizacji. Ponadto, tradycyjne metody walki z uprzedzeniami wobec osób z autyzmem są nieskuteczne, a koszty społeczne są zazwyczaj ogromne, choćby w postaci marnowania potencjału osób z autyzmem (badania pokazują, że wiele osób ze spektrum autyzmu charakteryzuje się „hipersystematyzującymi” kompetencjami poznawczymi, co w naturalny sposób predysponuje je do zatrudnienia w obszarze IT). Głównymi przeszkodami w pełnej realizacji i wykorzystaniu tego potencjału jest późne rozpoznanie, które wpływa na funkcjonowanie społeczne oraz niska świadomość społeczna dot. specyfiki funkcjonowania osób w spektrum autyzmu.
Sieci semantyczne
Rozwiązaniem jest obliczeniowy model danych mikrofenomenalnych umożliwiający zautomatyzowaną analizę doświadczeń osób w spektrum schizofrenii i autyzmu, a więc obejmujący istotny, choć często ignorowany aspekt diagnozy oraz zmierzający do przezwyciężenia uprzedzeń społecznych wobec tych zaburzeń. Algorytmy NLP mogą analizować wzorce i cechy języka w korpusach odkrywając znaczące powiązania dot. zdrowia psychicznego. Można je np. wykorzystać do analizy wyrażonego w tekście sentymentu i tonu emocjonalnego, co pozwala zidentyfikować wzorce wyrażające niepokój, depresję, lęk itp. lub konkretne pojęcia reprezentujące symptomy.
Algorytmy modelowania tematycznego mogą grupować powiązane dokumenty lub zdania, co może pomóc w identyfikacji traumy lub stresu; zmiany w użyciu zaimków (np. przejście z „ja” na „ty”) lub obecność określonych znaczników językowych może wskazywać na zmiany w postrzeganiu siebie; analiza behawioralna za pomocą tekstu może pomóc w identyfikacji wycofania społecznego, izolacji lub uprzedzeń poznawczych. Zaletą sieci semantycznych jest to, że można je wykorzystać do reprezentowania znaczeń (w tym metafor) języka naturalnego w sposób łatwy do interpretacji zarówno przez sztuczną inteligencję, jak i ludzi, co może ułatwić przezwyciężenie nieufności do narzędzi diagnostycznych wspomaganych komputerowo. Nasze podejście może potencjalnie wyeliminować niektóre uprzedzenia diagnostyczne oraz uwzględnić głębsze rozumienie istoty doświadczenia autystycznego i schizofrenicznego.
Google Scholar
Bartosz Zieliński