당신이 정신질환을 앓고 있든 아니든, 이 모델과 대화하면 확인할 수 있습니다.

정신 질환과 언어 사이에는 미묘한 연관성이 있지만, 경험이 많은 의사조차도 이를 완전히 이해하지 못합니다. 하지만 데이터 관점에서 볼 때, 머신 러닝 알고리즘은 언어 분석에 사용되어 비정상적인 언어 특징으로 인해 정신 질환이 발병할 수 있는 개인을 식별하고, 이를 통해 정신 건강을 구축하고 예방하는 데 도움이 될 것으로 기대됩니다.

정신 건강은 점점 더 많은 사람들의 삶을 위협하고 있습니다. 일부 전문가들은 정신 질환이 21세기의 가장 큰 위협이라고 주장하기도 합니다.

정신 질환은 정신 장애 및 심리적 질환이라고도 합니다. 이는 주로 인지, 감정, 의지, 행동 활동에 문제를 일으키는 뇌 기능 장애를 말합니다. 일반적인 정신 질환으로는 정신분열증, 우울증, 자폐증, 치매, 성격 장애 등이 있습니다.

정신 질환은 개인의 삶에 심각한 영향을 미칠 뿐만 아니라 사회를 불안정하게 만드는 요인이 됩니다.

정신 질환의 전통적 진단: 전문가에 의존

정신질환의 진단 또한 매우 중요합니다. 적절한 시기에 진단이 가능하다면 환자가 더 잘 대처하고 치료를 받는 데 도움이 될 수 있습니다. "정신 질환"을 변명으로 삼고자 하는 사람들에게는 증거가 정의를 받아들이게 할 수 있습니다.

그러나 기존의 진단 방법은 다소 복잡합니다.철저한 정신과 검사, 신체 및 신경학적 검사, 뇌 영상 검사, 신경 심리학적 평가그 후, 의사는 예비 진단을 내렸습니다.완전한 병력과 결합특히 개인의 삶의 역사, 병력, 관련된 사회적, 심리적 요인을 분석하고 요약하여 최종 판단 결과를 도출합니다.

전통적인 접근 방식에도 단점이 있는데, 직접적으로 관찰 가능한 생물학적 객관적 지표가 부족하고 증상에 대한 임상적 관찰과 전문 의사의 개인적 경험에 의존한다는 점입니다.

일부 연구에 따르면 언어의 미묘한 특징을 이용하면 개인의 정신병 발병 위험을 예측할 수 있다고 합니다. 그러나 이러한 특징은 일반적으로 수동으로 관찰할 수 없고 몇 가지 기술적 수단을 사용해야 하며, 머신 러닝이 가장 좋은 선택이 됩니다.

"경험이 풍부한 의사라 할지라도 대화에서 이런 미묘한 차이를 알아차리는 건 매우 어렵습니다. 마치 눈으로 아주 작은 박테리아를 보는 것과 마찬가지인데, 눈으로 보는 건 거의 불가능합니다."

하버드 의대 신경과 연구원인 네긴 레자이(Neguine Rezai)는 이렇게 말했습니다.하지만 머신 러닝과 같은 계산적 방법을 사용하면 언어에 숨겨진 미묘한 차이를 밝혀낼 수 있습니다.". 그녀는 이렇게 덧붙였다. "이러한 방법들은 마치 현미경을 추가하여 그 징후들을 정확하게 감지하는 것과 같습니다."

정신 질환에 대한 보도를 전문으로 하는 하위 잡지 Nuture NPJ 정신분열증 잡지우수한,에모리 대학교와 하버드 대학교연구자들은 제목의 논문을 발표했습니다.의미 밀도와 잠재 내용 분석을 이용한 정신병 예측을 위한 머신 러닝 접근법》그들은 머신 러닝 기술을 사용하여 언어 패턴과 정신 질환 사이의 숨겨진 연관성을 밝혀냈고, 정신 질환의 초기 증상을 정확하게 예측할 수 있었습니다.

기사 링크 주소:

https://www.nature.com/articles/s41537-019-0077-9

새로운 진단 방법: 텍스트 분석을 통해 언어의 비밀을 찾다

언어로부터 판단의 근거를 추출하기 위해 그들은 두 가지 언어 변인을 사용했습니다.의미 밀도그리고소리 관련 어휘 사용.

의미 밀도는 "내용 부족"이나 모호성을 측정하는 데 사용되는 지표입니다. 벡터 풀기의 수학적 방법을 사용하여 의미 밀도의 언어적 표시를 얻습니다. 즉, 문장의 의미를 핵심 아이디어로 분해합니다.

모델이 판단 기준을 설정하려면 레딧 웹사이트에서 3만게시물, 대화 내용 캡처, 사용 Word2Vec 대화 속 단어를 분석하는 프로그램입니다. 단어는 처리되고 분석되어, 비슷한 의미를 가진 단어들은 "의미 공간"에서 가깝게 배치되고, 의미가 매우 다른 단어들은 멀리 떨어져 배치됩니다.

다음으로, 에모리 대학의 북미 전구증상 종단 연구(NAPLS)에 참여한 40명의 환자의 언어 샘플을 수집하여 2년 동안 추적 조사했습니다. 모델을 훈련하기 위해 연구의 두 번째 단계에서 추가로 30명의 참가자로부터 정보를 수집했습니다.

마지막으로 연구팀은 머신러닝 분석을 사용하여 NAPLS의 대화 정보를 기준 데이터와 비교했습니다. 그 결과는 나중에 정신 질환을 앓은 사람들을 포함한 후속 데이터와 비교되었습니다. 언어와 질병 위험 사이의 연관성이 밝혀졌습니다.

분석 결과, 분석 대상 인구 중에서 결국 정신 질환을 앓게 된 사람들은 몇 가지 공통적인 특징을 가지고 있는 것으로 나타났습니다. 그들의 대화에서,소리와 관련된 단어(조동사 등)의 사용이 일반적인 기준보다 높고, 의미가 비슷한 단어가 자주 사용됩니다..

그들의 접근 방식에서는 언어의 내용이 정신 질환을 예측하는 데 사용되었습니다.정확도는 93%에 도달했습니다. .

연구원 중 한 명인 엘레인 워커 교수는 위험에 처한 개인을 조기에 식별하고 예방적 개입을 할 수 있다면 정신 질환 치료에 상당한 진전을 이룰 수 있다고 말했습니다.

단순한 정신 질환 그 이상, 뇌의 미스터리가 앞으로 다가온다

실험은 높은 정확도를 달성했지만, 표본 수가 제한되어 있어 연구 수준에서는 여전히 성공적입니다. 연구진은 또한 완벽성과 상품화를 목표로 하고 있으며, 앞으로 이 기술을 테스트하고 개선하기 위해 더 많은 데이터를 활용할 계획이라고 밝혔습니다.

어쨌든 새로운 기술의 적용을 통해 우리는 데이터에서 자연어의 '숨겨진 의미'를 들을 수 있다는 것이 다시 한번 확인되었습니다.

최근 Nuture 매거진 표지 기사에서는 놀라운 업적에 대한 내용이 소개되었습니다.컬럼비아 대학 연구원들은 8년 동안 선충류인 선충류 Caenorhabditis elegans의 모든 신경망과 연결을 매핑했습니다..

이 선충류의 세포 중 3분의 1은 뇌세포이므로 선충류 뇌세포 간의 신경 연결을 매핑한 것은 인간이 뇌의 자세한 작동 원리를 밝혀낸 최초의 사례입니다.

정신 질환에 대한 연구는 뇌를 탐구하는 데에도 도움이 될 수 있습니다. 신경 연결을 모방하는 AI의 개발은 현재 쇠퇴했지만, 뇌의 신비를 탐구하는 것은 인공지능이 탄생한 이래로 존재해 온 꿈이었습니다.

정신 질환에 대한 이러한 탐구는 단지 작은 발견일 뿐이지만정신 질환에 대한 정보를 공개하는 것 외에도 뇌가 어떻게 작동하는지 이해하는 데 도움이 됩니다. 예를 들어 뇌가 다양한 생각을 어떻게 종합하는지 추론할 수 있습니다.이런 발견들이 모여서 결국 새로운 장을 열게 될 것이라는 사실은 부인할 수 없습니다.

더욱 강력한 알고리즘과 기술의 사용으로 진단과 치료에 새로운 획기적인 진전이 있었지만, 기술은 아직 모든 것을 대체할 만큼 신화적이지는 않습니다. 저는 더 많은 방법을 통해 점점 더 많은 사람들이 더 건강한 삶을 살 수 있기를 바랄 뿐입니다.