L’intelligenza artificiale ora è in grado di rilevare la depressione dalla tua voce ed è due volte più accurata dei professionisti umani
 
  
Migliorare la salute mentale analizzando la tua voce

 
Quando i bambini non si sentono bene, la madre spesso sente che qualcosa non va solo guardandoli. Entra subito in azione. Diagnosticando il problema, la madre utilizza un mix di rimedi casalinghi, alimentazione, attività e riposo per curare i suoi figli in buona salute. 


Le cure tempestive e l’attenzione materna risolvono il problema di salute molto prima che si trasformi in un disturbo. Nella maggior parte dei casi, i bambini potrebbero non rendersi conto di non stare bene.

“Non sarebbe fantastico se potessimo rilevare e trattare i sintomi della depressione negli adulti nelle prime fasi, proprio nel modo in cui le madri percepiscono i problemi di salute con i loro figli?” chiede David Liu, CEO di Sonde Health.

Oggi, la salute mentale rappresenta una delle maggiori sfide al mondo. Il Centro statunitense per il controllo e la prevenzione delle malattie (CDC) è preoccupato che un americano su due possa soffrire di depressione post-pandemica. Le stime mediche indicano che circa due terzi di tutti i casi di depressione non vengono diagnosticati. 

Grazie alle recenti scoperte nell’intelligenza artificiale (AI), i fornitori possono ora rilevare la depressione semplicemente ascoltando qualcuno che pronuncia alcune frasi. Sorprendentemente, la lingua o le parole pronunciate non sono importanti quanto il modo in cui le dici. 

Scopriamo come migliorare la salute mentale con l’intelligenza artificiale ed esploriamo le tendenze significative emergenti in questo spazio. Vedremo come alcune aziende promettenti stanno innovando con l’intelligenza artificiale per fornire un’attenzione materna per la salute mentale.

L’assistenza sanitaria mentale deve affrontare due problemi principali. In primo luogo, non è facile accedere tempestivamente a professionisti della salute mentale. In secondo luogo, per i pazienti che riescono a ottenere un aiuto professionale, il processo diagnostico e la qualità dell’assistenza non sono coerenti.

Rima Seiilova-Olson si è trasferita a San Francisco come analista di ricerca nel 2015. Pochi anni dopo, quando ha dato alla luce il suo primo figlio, ha sperimentato il “baby blues” postpartum. La maggior parte delle madri sperimenta sbalzi d’umore nelle prime settimane dopo il parto. Ma per alcuni, questo si sviluppa in una condizione più grave chiamata depressione postpartum.

Seiilova-Olson ha deciso di cercare un aiuto professionale. Ricorda di aver fatto telefonate frenetiche al suo medico per appuntamenti. Dopo molti tentativi, è riuscita a programmare una visita con un terapista. Mancavano più di due mesi all’appuntamento. Non aveva altra scelta che aspettare.

In questo periodo Seiilova-Olson ha partecipato all’Open AI Hackathon organizzato nella Bay Area. Lì, ha incontrato Grace Chang , una tecnologa, e si sono uniti immediatamente. Oltre ad essere tra le poche donne che partecipano all’evento tecnologico, hanno condiviso esperienze personali frustranti nell’ottenere aiuto per la salute mentale. Chang e Seiilova-Olson fondarono presto Kintsugi , una startup che utilizza l’intelligenza artificiale per democratizzare l’accesso alla salute mentale.

Il sistema di salute mentale ha un chiaro limite di capacità a causa della scarsità di professionisti sanitari autorizzati. Per ogni dieci persone che possono soffrire di problemi di salute mentale, solo tre hanno un accesso sicuro al sistema. “A peggiorare le cose, non ci sono processi efficienti per utilizzare questa scarsa larghezza di banda”, afferma Chang. “Molti casi critici sono in attesa mentre quelli meno gravi finiscono per utilizzare preziosa larghezza di banda.” Questo è il primo ostacolo che deve affrontare milioni di pazienti.

Quando i pazienti affrontano questi incubi logistici per ottenere un aiuto professionale, si imbattono nella seconda sfida critica: la qualità dell’assistenza. Oggi, la diagnosi dei problemi di salute mentale si basa su strumenti di screening come il Questionario sulla salute del paziente (PHQ). 

“La sfida è che queste domande non sono molto oggettive e dipendono fortemente da ciò che il paziente può ricordare delle ultime settimane”, afferma Chang. La diagnosi del medico si basa quindi sull’accuratezza dell’immagine ricreata dalla memoria di un paziente di salute mentale. 

Non sorprende che solo il 47,3% dei casi di salute mentale venga rilevato con precisione da professionisti. Immagina di mandare a casa un paziente su due, assicurando loro che stanno bene, solo per scoprire che i loro problemi sono peggiorati o diventano pericolosi per la vita.

“Le soluzioni per la salute digitale potrebbero affrontare i problemi gemelli di accesso a cure tempestive e qualità costante delle cure”, afferma Shwen Gwee , VP e Responsabile della strategia digitale presso Bristol Myers Squibb . Vede una grande promessa nell’ascesa delle terapie digitali , che sono strumenti software basati sull’evidenza e valutati clinicamente che aiutano a trattare, gestire e prevenire un’ampia gamma di malattie.

Queste innovazioni possono diagnosticare condizioni di salute complesse solo dalla voce umana?

“Quando ascoltiamo una persona che parla, notiamo variazioni di tonalità, energia, qualità tonale e ritmo”, afferma David Liu , CEO di Sonde Health . “Elaborando questo audio, possiamo suddividere alcuni secondi di registrazione vocale in un segnale con migliaia di caratteristiche uniche.” Questo metodo è chiamato elaborazione del segnale audio.

Ciò che è meno noto è che piccoli cambiamenti nella voce di qualcuno ogni pochi millisecondi possono derivare da cambiamenti nel loro corpo e nelle condizioni di salute. Con questi ricchi dati, è possibile identificare quali caratteristiche vocali si associano a particolari sintomi di malattie o cambiamenti nella salute. Utilizzando i dati di migliaia di persone che soffrono di determinate condizioni di salute, possiamo insegnare agli algoritmi di intelligenza artificiale a rilevare i modelli vocali comuni tra questi pazienti.

Liu aggiunge: “Una volta che confermiamo che questi parametri sono buoni indicatori di un particolare sintomo di una condizione di salute, ci riferiamo a questo sottoinsieme specifico di caratteristiche acustiche come” biomarcatori vocali “. Quindi valutiamo attentamente quale di questi biomarcatori funziona meglio in contesti diversi, in diversi gruppi e dati demografici dei pazienti “.

Il team di Sonde ha utilizzato questo approccio per addestrare modelli di apprendimento automatico (ML) che possono fornire segnali quando le persone iniziano a manifestare sintomi depressivi. Questo modello utilizza sei biomarcatori vocali che misurano aspetti come quanto bene puoi tenere il tuo tono vocale o quanto è dinamica la tua voce quando parli.

Sebbene l’approccio sembri promettente, c’è una sfida chiave nella costruzione di queste soluzioni di intelligenza artificiale. Non è facile ottenere volumi elevati di dati di buona qualità (cioè campioni vocali storici da pazienti etichettati in modo da addestrare l’algoritmo). Sonde ha acquisito i suoi dati vocali attraverso studi di ricerca, partnership e crowdsourcing. Hanno acquisito NeuroLex Labs , una società che fornisce sondaggi vocali online. Con questo approccio su più fronti, il repository di Sonde ha oltre 1 milione di campioni vocali da oltre 80.000 persone in tutto il mondo.

Quando disponi di dati vocali del paziente da diversi paesi, dovresti creare molte versioni di questi modelli di intelligenza artificiale? “Non proprio”, dice Seiilova-Olson di Kintsugi. Il suo team ha condiviso una scoperta interessante della loro ricerca. “Abbiamo scoperto che i risultati del nostro modello di intelligenza artificiale non dipendevano dalla lingua che le persone parlavano, dalla loro età o sesso, o anche dalla parte del mondo in cui vivevano”. 

I biomarcatori vocali hanno identificato accuratamente i sintomi che trascendevano tutte queste differenze. Con soli 20 secondi di un clip audio, la soluzione AI di Kintsugi rileva i problemi di salute mentale con oltre l’ 80% di accuratezza clinica . Rispetto all’attuale tasso di rilevamento dei professionisti (47,3%, come notato in precedenza), l’intelligenza artificiale può quasi raddoppiare l’efficacia delle diagnosi dei pazienti.

Chiaramente, le terapie digitali ei biomarcatori vocali possono aiutare a salvare vite umane.

In che modo l’intelligenza artificiale migliora la cura del paziente, una conversazione alla volta

In che modo le soluzioni AI migliorano l’assistenza ai pazienti nel mondo reale

 
Kintsugi e Sonde offrono le loro soluzioni di intelligenza artificiale come app di consumo in grado di monitorare continuamente la salute individuale. Inoltre, la loro intelligenza artificiale è integrata in canali come piattaforme di telemedicina e applicazioni di gestione delle cure per aiutare i medici.

Pertanto, l’IA entra in azione anche prima che un paziente possa percepire la necessità di un intervento. “Pensa a questo come a un fitness tracker per la tua mente”, dice Liu. Ad esempio, l’ app consumer di Kintsugi ha una funzione di registrazione vocale che monitora quotidianamente la salute del paziente.

Essendo continuamente disponibile per i pazienti, AI preclude la necessità di fissare un appuntamento. Pre-screening accurato dei pazienti, consente di risparmiare preziosa larghezza di banda nel sistema di salute mentale. È così che l’IA risolve la prima sfida dell’accesso a cure tempestive. 

Quando i pazienti si presentano per gli appuntamenti, i professionisti utilizzano soluzioni di intelligenza artificiale per aumentare le loro diagnosi. “Il tempo tipico tra le visite dei pazienti potrebbe variare da settimane ad anni”, afferma Gwee. “Quello che succede nel mezzo di solito è perso per i medici. Grazie al monitoraggio digitale continuo, i medici ora hanno accesso a dati granulari molto più affidabili “.

Quando i medici hanno una conversazione dal vivo con i pazienti, l’IA identifica i segnali vocali di depressione clinica e ansia in tempo reale. Quindi consente ai professionisti di sapere se devono pianificare una consultazione di follow-on. Questo monitoraggio basato sull’intelligenza artificiale e l’intervento mirato possono salvare vite umane.

In questo modo, l’IA affronta la seconda sfida della diagnosi efficace e della qualità costante dell’assistenza sanitaria mentale. Ad esempio, il Cognitive Behaviour Institute è una pratica di salute mentale in Pennsylvania che tratta persone con depressione, ansia e abuso di sostanze. Una paziente a lungo termine stava lottando con l’ansia ma non riusciva a individuare i trigger dei suoi episodi di ansia. 

Ha iniziato a utilizzare l’ app Mental Fitness di Sonde per due settimane come parte di un progetto pilota. I risultati dei suoi campioni vocali hanno aiutato a identificare pensieri ed eventi specifici che hanno portato ai suoi sintomi. È rimasta sorpresa dal fatto che alcuni di questi fattori scatenanti di cui era stata avvisata non fossero evidenti.

Il suo medico ha ricevuto i dati sotto forma di punteggi sulla salute su un cruscotto. Ha permesso al terapista di controllare e intervenire, in particolare quando le percezioni del paziente differivano da ciò che diceva l’app. 

“L’intelligenza artificiale può trasformare la salute mentale; tuttavia, dobbiamo fare attenzione ad alcuni rischi quando vengono implementati nel mondo reale “, afferma Sathiyan Kutty , responsabile dell’analisi predittiva presso una delle più grandi organizzazioni sanitarie degli Stati Uniti. L’intelligenza artificiale è valida quanto i dati da cui apprende. Kutty osserva che le soluzioni AI possono essere distorte perché i dati spesso provengono da persone che soffrono di problemi di salute mentale piuttosto che da persone in buona salute. Per mitigare questo rischio è necessario bilanciare i campioni di dati con un numero sufficiente di individui sani.

“Le organizzazioni spesso si lasciano trasportare dall’efficacia segnalata delle soluzioni AI”, afferma Kutty. Cioè, progettano l’intelligenza artificiale per prendere decisioni critiche senza tenere i professionisti umani nel giro, o non riescono a pianificare il passaggio di consegne ai medici nelle fasi appropriate. “L’intelligenza artificiale dovrebbe essere utilizzata per aumentare le capacità dei medici e non per sostituirle”, aggiunge.

Ehi Alexa, come sto?
 

Oggi, lo slancio per le soluzioni di intelligenza artificiale nella salute mentale sta crescendo rapidamente. “Un anno fa, avrei dovuto spiegare cosa sono i biomarcatori vocali”, dice Liu. “Oggi non è necessaria alcuna spiegazione; invece, stiamo discutendo casi d’uso specifici per la nostra tecnologia “.

Con l’esplosione dei dispositivi intelligenti, l’accesso ai dati vocali sta diventando onnipresente. “Che si tratti del tuo telefono cellulare, indossabile o assistenti personali come Alexa, la raccolta di dati passivi è perfetta e fa già parte del nostro stile di vita”, afferma Gwee.

“Stiamo iniziando a vedere esempi di biosensori basati sull’intelligenza artificiale in grado di prevedere lo scompenso cardiaco giorni prima di un evento reale. Questo è il potere della raccolta dati passiva (del mondo reale), combinata con algoritmi brevettati e apprendimento automatico. Allo stesso modo, le piattaforme terapeutiche digitali per la salute mentale possono prevedere quando qualcuno sta cadendo in un episodio depressivo senza aspettare che si verifichi l’evento critico “, aggiunge Gwee.

Quindi, probabilmente non è esagerato affermare che l’intelligenza artificiale è all’origine della fornitura di cure materne e cure preventive per la salute mentale.

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi