En Kunstig Intelligensalgoritme Har Lært å Oppdage Selvmordstendenser Ved å Bruke MR-skanninger - Alternativ Visning

En Kunstig Intelligensalgoritme Har Lært å Oppdage Selvmordstendenser Ved å Bruke MR-skanninger - Alternativ Visning
En Kunstig Intelligensalgoritme Har Lært å Oppdage Selvmordstendenser Ved å Bruke MR-skanninger - Alternativ Visning
Anonim

Opplever personen selvmordstendenser? Det er ganske vanskelig å avgjøre, selv om terapeuten snakker med pasienten. I følge statistikk forteller ikke 80% av mennesker som overveier selvmord, sin psykoanalytiker om det under en samtale, og spesialisten selv kan ikke alltid bestemme slike dekadente stemninger i en avdeling. Heldigvis kan en kunstig intelligensalgoritme nå bidra til å oppdage slike tendenser.

Etter å ha undersøkt MR-skannene, brukte teamet en serie nøkkelord for å identifisere spesifikke områder i hjernen som reagerer på dem, og deretter trente AI til å korrelere hjerneaktivitet med den psykologiske tilstanden til en person.

Ledende spesialist og forfatter av algoritmen Marcel Just bemerket at algoritmen nå ikke garanterer 100% resultat, men den vet allerede hvordan man kan identifisere alarmerende symptomer ved å analysere informasjonen som er oppnådd som et resultat av en halvtimes skanning på en MR-maskin. Så langt er det gigantiske apparatet ganske vanskelig å få plass på et psykoterapeutkontor, og teknologien i seg selv er ufullkommen. I tillegg ble det utført studier på pasienter fra to kontrollgrupper, hvorav den ene inkluderte personer med suicidale tendenser.

Det er foreløpig ikke kjent om metoden vil fungere på personer som ikke er kjent med spesialister, fordi kjennelsen til legenes intensjoner om å identifisere visse reaksjoner, kan emnet prøve å undertrykke dem for å skjule tankene. Ikke desto mindre er resultatet imponerende: algoritmen var i stand til å analysere MR-skanninger og bestemme selvmordstendenser i 91 prosent av kjente tilfeller. Derfor håper forskere at deres utvikling kan være nyttig i fremtiden, når det blir mulig å bruke mindre synlig utstyr og testmetoder.

Viacheslav Larionov

Anbefalt: