Imagine ser capaz de prever o nível de ansiedade de alguém apenas pedindo-lhe que classifique algumas imagens e responda a algumas perguntas simples.
Foi exatamente isso que os investigadores da Universidade de Cincinnati e da Universidade Northwestern conseguiram com o seu sistema "Comp Cog AI".
Combinando a IA com a ciência de como as nossas mentes processam a informação, criaram uma ferramenta que pode identificar com precisão as pessoas que podem estar a lutar contra a ansiedade.
O estudoO estudo, publicado na revista Mental Health Research, envolveu mais de 3000 participantes de todos os EUA.
Cada pessoa classificou uma série de imagens ligeiramente emocionais do International Affective Picture System (IAPS) e forneceu informações básicas sobre si própria, como a idade e a perceção de solidão.
A IAPS foi desenvolvida pelo Centro para o Estudo da Emoção e da Atenção da Universidade da Florida. Fornece um conjunto padronizado de fotografias classificadas quanto ao seu conteúdo emocional em termos de valência (agradabilidade), excitação (intensidade) e dominância (controlo).
O sistema de IA analisou então estes dados, procurando padrões na forma como as pessoas respondiam às imagens e como essas respostas se relacionavam com os seus níveis de ansiedade.
Após o treino, o sistema de IA Comp Cog foi capaz de prever a ansiedade com uma precisão de até 81%, oferecendo esperança para um futuro em que os problemas de saúde mental possam ser identificados utilizando sistemas leves e de auto-atendimento.
A autora principal Sumra Bari explicaO estudo de caso é um estudo de caso, "Utilizámos recursos computacionais mínimos e um pequeno conjunto de variáveis para prever os níveis de ansiedade. Um conjunto importante destas variáveis quantifica processos importantes para o julgamento."
Mais informações sobre o estudo
Eis mais informações sobre o funcionamento do estudo:
- Recolha de dados: Os participantes completaram uma tarefa de classificação de imagens, atribuindo classificações de -3 (não gosto muito) a +3 (gosto muito) a 48 imagens ligeiramente emocionais do IAPS. Também responderam a perguntas sobre a sua idade, a perceção da solidão e informações demográficas.
- Extração de características: O sistema de IA extraiu 15 variáveis-chave de julgamento dos dados de classificação das imagens, como a aversão à perda, a aversão ao risco e a consistência da aversão à recompensa. Estas variáveis quantificam os enviesamentos nos julgamentos de recompensa/aversão e têm sido associadas a sistemas cerebrais implicados tanto no julgamento como na ansiedade.
- Formação e previsão de IA: Os investigadores utilizaram os algoritmos de aprendizagem automática Random Forest e Random Forest equilibrado para treinar o sistema de IA num subconjunto dos dados. A IA utilizou as variáveis de julgamento e os factores contextuais para prever o nível de ansiedade de cada participante, medido pela parte de ansiedade de estado do Inventário de Ansiedade Estado-Traço (STAI).
- Avaliação e interpretação de modelos: O sistema de IA treinado foi testado nos restantes dados para avaliar a sua exatidão, sensibilidade e especificidade na previsão dos níveis de ansiedade. Os investigadores também realizaram análises de mediação e moderação para compreender como as variáveis de avaliação e os factores contextuais interagiam para modelar a ansiedade.
Os quatro preditores mais importantes - idade, solidão, rendimento do agregado familiar e situação profissional - contribuíram com 29-31% do poder preditivo do modelo, enquanto as 15 variáveis de avaliação contribuíram coletivamente com 55-61%.
O coautor Aggelos Katsaggelos sublinhou a importância da abordagem do estudo, afirmando: "A utilização de uma tarefa de classificação de imagens com variáveis contextuais que afectam o julgamento pode parecer simples, mas a compreensão dos padrões de preferência permite-nos descobrir os componentes críticos para um grande conjunto de comportamentos".
Os investigadores pretendem desenvolver a tecnologia Comp Cog AI numa aplicação de fácil utilização para os prestadores de cuidados de saúde, hospitais e até mesmo para as forças armadas, a fim de identificar rapidamente indivíduos com elevado risco de ansiedade.
Como refere Bari, "a tarefa de classificação de imagens pode ser utilizada para produzir instantâneos diários e imparciais do estado de saúde mental de uma pessoa sem fazer perguntas directas que possam desencadear sentimentos negativos ou perturbadores".
A investigação anterior utilizou a IA para ajudar a diagnosticar a esquizofreniaForam desenvolvidas ferramentas para proporcionar terapia com IA a pessoas com problemas de saúde mental através de avatares digitais.
