متن آزاد، کلمات توصیفی، و پاسخ های کلمه انتخاب شده با استفاده از مقیاس های رتبه بندی به عنوان خط پایه برای شرایط پاسخ دهنده. توجه داشته باشید. محور y میانگین پاسخ و خطاهای استاندارد را برای متن آزاد (آبی)، کلمات توصیفی (قرمز) و کلمات انتخاب شده (خاکستری) منهای میانگین پاسخ برای مقیاس های رتبه بندی را نشان می دهد. محور x بر اساس مقدار مقیاس رتبه بندی متن آزاد منهای مرتب شده است. اعتبار: PLOS ONE (2023). DOI: 10.1371/journal.pone.0267995
معمولاً هنگام صحبت با روانشناسان یا پزشکان در مورد سلامت روان از بیماران خواسته می شود تا احساسات خود را با استفاده از مقیاس رتبه بندی ارزیابی کنند. در حال حاضر افسردگی و اضطراب اینگونه تشخیص داده می شود. با این حال، یک مطالعه جدید از دانشگاه لوند در سوئد نشان می دهد که اجازه دادن به بیماران برای توصیف تجربه خود با استفاده از کلمات خود – به طور بالقوه توسط بیماران دقیق تر و ترجیح داده می شود. محققان Lund ابزاری برای هوش مصنوعی ایجاد کردهاند که میتواند به پزشکان در تجزیه و تحلیل پاسخهای بیماران کمک کند.
این مطالعه، منتشر شده در PLOS ONE، نشان می دهد که پزشکان و بیماران تا حدودی با هم تفاوت دارند، زیرا کلینیک ها معمولاً مقیاس های رتبه بندی را هنگام تشخیص بیمار ترجیح می دهند (مثلاً علاقه کم به انجام کارها: اصلاً، گاهی اوقات، اغلب روزانه) در حالی که بیماران زبان آزاد را ترجیح می دهند (مثلاً سلامت روان خود را توصیف کنید).
محققان گروهی متشکل از 150 بیمار مبتلا به افسردگی یا اضطراب خود تشخیص داده شده را مورد بررسی قرار دادند و همان سوالات را برای یک گروه کنترل متشکل از 150 شرکتکننده دیگر مطرح کردند.
پاسخ ها نشان می دهد که استفاده از زبان آزاد از اهمیت ویژه ای برخوردار است، زیرا به عنوان راهی طبیعی برای افراد برای انتقال احساساتشان تلقی می شود. این به بیمار امکان میدهد تا آنچه را که ضروریترین است و قابل درک است، توسعه دهد. به ویژه، بیماران پاسخ دادند که زبان توصیف دقیق تری از احساس آنها می دهد، که با استفاده از مقیاس های رتبه بندی امکان پذیر نیست. به گفته بیماران، تنها مزیت مقیاسهای رتبهبندی این است که پاسخگویی آسانتر و سریعتر است، اما فاقد پتانسیل مراقبت فردیتر هستند.
نشان داده شده است که هوش مصنوعی در اندازه گیری احساسات در زبان نسبت به مقیاس های رتبه بندی دقیق تر است. در سالهای اخیر، پیشرفتهای زیادی با پردازش زبان طبیعی صورت گرفته است، به طوری که افسردگی و اضطراب را میتوان با اعتبار بالایی بر اساس سؤالات باز که سپس با روشهای هوش مصنوعی تجزیه و تحلیل میکنند، ارزیابی کرد.
Sverker Sikström، محقق روانشناسی که این مطالعه را رهبری می کند، توضیح می دهد: “پیش از این، ما محدود به مقیاس های رتبه بندی بودیم که خود بیماران مجبور بودند احساسات خود را به اعداد تبدیل کنند. امروزه این کار ضروری نیست زیرا این ارزیابی توسط هوش مصنوعی انجام می شود.”
Sikström یک محصول هوش مصنوعی ایجاد کرده است که بیماران را قادر می سازد تا سلامت روان خود را آزادانه در متونی که توسط یک موتور هوش مصنوعی تفسیر می شوند، توصیف کنند. نتایج در مواد پشتیبانی تصمیم گیری نشان داده شده است که می تواند توسط روانشناسان و پزشکان استفاده شود. این محصول منحصربهفرد است زیرا سؤالات باز و مستقیمی را از بیماران میپرسد، و به عنوان مثال به رسانههای اجتماعی در مقیاس بزرگ که بسیاری از کارهای قبلی انجام شده است اعتماد نکنید.
Sverker Sikström نتیجهگیری میکند: «ما علاقه زیادی به این موضوع از سوی ارائهدهندگان مراقبتهای بهداشتی دریافت کردهایم، با توجه به اینکه ما اکنون فناوری حمایت از بیماران را به صورت جداگانه و در عین حال به شیوهای کارآمد داریم».
اطلاعات بیشتر:
Sverker Sikström و همکاران، پاسخهای زبانی دقیق در مقابل مقیاسهای رتبهبندی آسان – مقایسه دیدگاههای پاسخدهندگان با اعتقاد پزشکان به دیدگاههای پاسخدهنده، PLOS ONE (2023). DOI: 10.1371/journal.pone.0267995
ارائه شده توسط دانشگاه لوند
نقل قول: هوش مصنوعی می تواند با کمک به پزشکان در تجزیه و تحلیل پاسخ های بیماران، مراقبت های بهداشت روان را بهبود بخشد (2023، 16 فوریه) بازیابی شده در 16 فوریه 2023 از https://medicalxpress.com/news/2023-02-ai-mental-health-doctors-patients.html
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.