استفاده از هوش مصنوعی برای تشخیص افرادی که قصد خودکشی دارند
متأسفانه باید اعتراف کرد که بر اساس گزارش سازمان جهانی بهداشت، در ۴۵ سال گذشته موارد منجر به خودکشی ۶۰ درصد بیشتر شده است. بر اساس همین گزارش، سالانه یک میلیون نفر در سرتاسر جهان با اقدام به خودکشی از دنیا میروند. سازمان بهداشت جهانی انتظار دارد تا سال ۲۰۲۰ نرخ خودکشی از وضعیت فعلی یعنی هر ۴۰ ثانیه یک خودکشی در سرتاسر جهان، به نرخ هر ۲۰ ثانیه برسد.
گروهی از پژوهشگران دانشگاه کارنگی ملون و هاروارد در آمریکا دست به طراحی الگوریتمی زدهاند که با استفاده از فناوری یادگیری ماشینی میتواند بازنمایی عصبی حالات منجر به خودکشی را به دست آورد. این الگوریتم با کمک تصویرسازی تشدید مغناطیسی کارکردی (fMRI) کار میکند.
پژوهشگران، افراد مورد آزمایش را به دو گروه مطالعه و کنترل تقسیمبندی کردند که در هر گروه ۱۷ نفر حضور داشتند. در گروه آزمایش ۱۷ نفر افکاری در مورد خودکشی داشتند. در طی این پژوهش، دانشمندان ۶ واژهی مرگ، ستم، مشکل، بیخیالی، خوبی و تشویق را به اعضای گروهها نشان دادند و به دنبال کشف الگوهای مغزی مرتبط با خودکشی در این افراد گشتند. الگوریتم توسعه دادهشده موفق به کشف ۱۵ بیمار از ۱۷ بیمار با تفکرهای مرتبط با خودکشی شد. در این بین ۱۶ نفر از ۱۷ عضو گروه آزمایش، از امآرآی برای تعیین الگوی عصبی استفاده کردند که در نهایت دقت ۹۱ درصدی الگوریتم را نشان داد.
در حال حاضر، روانشناسان گفتوگو با فرد و پرسیدن سؤالهای مستقیم برای پیدا کردن افکار مرتبط با خودکشی را به روشهای دیگر ترجیح میدهند؛ هرچند بر اساس مطالعات انجامشده نزدیک به ۸۰ درصد از بیماران در جلسات مشاورهی خود، افکار خودکشی را انکار کردهاند. الگوریتم جدید توسعهیافته توسط دانشمندان میتواند این مشکل را با دقت بالایی حل کند.
استفاده از هوش مصنوعی برای پیدا کردن افرادی که قصد خودکشی دارند در شرکتهایی نظیر فیسبوک هم آزمایش شده است؛ این شرکت برای پیدا کردن جریانهای فکری مرتبط با خودکشی از هوشمصنوعی بهره میبرد. نقطهی مشترک تمامی این پژوهشها تأکید بر تفاوتهای موجود در مغز افرادی با قصد خودکشی در مقایسه با افراد عادی بهحساب میآید. در پژوهش دانشگاه کارنگی ملون با استفاده از یادگیری ماشینی و تصاویر بهدستآمده از امآرآی میتوان این تفاوتها را به دست آورد.
مارسل جوست، محقق ارشد این پژوهش، میگوید:
یکی از محدودیتهای اصلی این تحقیق استفاده از دستگاه امآرآی است؛ استفاده از این دستگاه هزینهبر و دسترسی به آن بهخصوص در محیطهایی مثل مطب سخت یا غیر ممکن به شمار میرود. ما به دنبال ثبت فعالیتهای مغزی با استفاده از نوار مغزی یا الکتروانسفالوگرافی هستیم. مشکل دوم به همکاری بیمار برمیگردد که شرط اصلی پیدا کردن الگوهای مغزی است؛ قطع همکاری وی فرآیند تشخیصی را متوقف میکند.
استفاده از هوش مصنوعی و فناوریهایی نظیر یادگیری ماشینی در تشخیص الگوهای مغزی منتهی به خودکشی میتواند به کاهش نرخ خودکشی در جوامع مختلف و درمان افراد مستعد به خودکشی کمک زیادی کند.
نتایج این پژوهش علمی در نشریهی Nature Human Behavior به چاپ رسیده است.
نظرات