మనోవేదనను 'మెషీన్' చెప్పేస్తుంది

ఒకరు చెబుతున్నది నిజమో లేక అబద్ధమో లై డిటెక్టర్‌ టెస్ట్‌ చిటికెలో చెప్పేస్తుంది. నాడీ స్పందనలు, బీపీలో హెచ్చుతగ్గులు, శ్వాస తీసుకోవడంలో మార్పులను విశ్లేషించి ఆయా అంశాలను నిర్ధారిస్తుంది. అదే తరహాలో డిప్రెషన్‌ను కేవలం ఒక్క వాయిస్‌ శాంపిల్‌తో మెషీన్‌ లెర్నింగ్‌ చాలా వరకు కచ్చితత్వంతో తొలిదశలోనే గుర్తిస్తోంది! ఈ మేరకు సాగిన అధ్యయనాల్లో ఈ విషయం వెల్లడైంది. సంప్రదాయ చికిత్సా పద్ధతుల్లో డిప్రెషన్‌ను నిర్ధారించేందుకు వైద్యులు రోగులను కొన్ని ప్రశ్నలడిగి వారి భావోద్వేగ పరిస్థితులను అంచనా వేస్తుంటారు. 

అయితే ఈ పద్ధతిలో బాధితులు వారంతట వారుగా ముందుకొస్తే తప్ప వైద్య సాయం చేసేందుకు వీలు ఉండదు. దీనివల్ల చాలా సందర్భాల్లో బాధితులకు వైద్య సహాయం ఆలస్యం అవుతోంది. కానీ శాస్త్రవేత్తలు ఈ సమస్యను అధిగమించేందుకు ఏఐ సాంకేతికతను తెరపైకి తెచ్చారు. కుంగుబాటుకు గురైన వారి స్వరంలో హెచ్చుతగ్గులను మెషీన్‌ లెర్నింగ్‌ అల్గోరిథంల సాయంతో విశ్లేషిస్తున్నారు. 

కేవలం వాట్సాప్‌ ఆడియో ఫైల్స్‌ను విశ్లేషించడం ద్వారా డిప్రెషన్‌ బాధితుల లక్షణాలను 70 శాతం నుంచి 96 శాతం వరకు కచ్చితత్వంతో మెషీన్‌ లెర్నింగ్‌ టూల్స్‌ గుర్తిస్తున్నట్లు ప్రయోగాత్మకంగా నిరూపిస్తున్నారు. 25–30 సెకన్ల ఆడియో ఫైల్‌లోని స్వరంలో హెచ్చుతగ్గులు, వాల్యూమ్, స్పీచ్‌ రేట్‌ వంటి శబ్ద లక్షణాలను విశ్లేషించడం ద్వారా ఆయా వ్యక్తుల మనోవ్యథను మెషీన్‌ లెర్నింగ్‌ మోడల్స్‌ గుర్తిస్తున్నట్లు చెబుతున్నారు. – సాక్షి, హైదరాబాద్‌

ఎయిమ్స్‌పరిశోధన ఇలా...
డిప్రెషన్‌ను ముందుగానే గుర్తించడానికి స్పీచ్‌ అనాలిసిస్‌ ఒక ఆచరణాత్మక సాధనంగా ఉంటుందా అనే అంశాన్ని పరిశీలించేందుకు ఢిల్లీలోని ఆల్‌ ఇండియా ఇన్‌స్టిట్యూట్‌ ఆఫ్‌ మెడికల్‌ సైన్సెస్‌ (ఎయిమ్స్‌) పరిశోధన నిర్వహించింది. ఇందులో భాగంగా పరిశోధకులు 423 మంది వాలంటీర్ల నుంచి (ప్రధానంగా 18–25 సంవత్సరాల ఏళ్ల వారు) సంతోషం, బాధలో ఉన్నప్పుడు మాట్లాడిన స్వర నమూనాలను సేకరించి విశ్లేషించారు. 

ఈ ప్రయోగంలో పాల్గొన్న వాలంటీర్లు వారి క్లినికల్‌ మానసిక ఆరోగ్య స్థితిని నిర్ధారించుకోవడానికి ప్రామాణిక మానసిక పరీక్షలను కూడా చేయించుకున్నారు. ఈ అధ్యయనంలో వారి స్వరం, స్వర స్థాయి, స్వర శక్తితో సహా వాక్పటిమ, ఉచ్ఛారణ, ఇతర గుర్తులపై పరిశోధకులు దృష్టి సారించారు. దీనిప్రకారం నిరాశతో మాట్లాడిన సందర్భాల్లో వాక్పటిమ, భావోద్వేగ స్వరం, తక్కువ స్వర స్థాయిలను గమనించారు. 

అలాగే వాయిస్‌ విశ్లేషణను క్లినికల్‌ డేటాతో పోల్చినప్పుడు నమూనా నాణ్యతను బట్టి మెషీన్‌ లెర్నింగ్‌ మోడల్స్‌దాదాపు 60 శాతం నుంచి 78 శాతం కచ్చితత్వంతో నిస్పృహ లక్షణాలను సరిగ్గా అంచనా వేశాయని గుర్తించారు.

వాయిస్‌ నోట్స్‌ ద్వారా...
పీఎల్‌వోఎస్‌ మెంటల్‌ హెల్త్‌లో ప్రచురితమైన మరో నివేదిక ప్రకారం బ్రెజిల్‌కు చెందిన మానసిక వైద్య పరిశోధకుడు విక్టర్‌ ఒటాని నేతృత్వంలోని పరిశోధకులు... డిప్రెసివ్‌ డిజార్డర్‌ లక్షణాలు ఉన్న, అవి లేని వ్యక్తులను వేరు చేయడంలో మెషీన్‌ లెర్నింగ్‌ మోడళ్లు సహాయపడతాయా అని పరీక్షించారు. 

ఈ అధ్యయనంలో పాల్గొన్న వారి నుంచి స్వల్ప వ్యవధిగల వాట్సాప్‌ వాయిస్‌ సందేశాలను రికార్డ్‌ చేశారు. ఆ ఆడియో క్లిప్‌ల నుంచి సేకరించిన శబ్ద లక్షణాలపై ఏడు వేర్వేరు మెషీన్‌ లెర్నింగ్‌ నమూనాలు, ప్రామాణిక క్లినికల్‌ ఇంటర్వ్యూలను ఉపయోగించి కుంగుబాటును నిర్ధారించారు. దీని ప్రకారం ఏఐ నమూనాలు మహిళల్లో 91.67 శాతం వరకు, పురుషులలో 80 శాతం వరకు కచ్చితత్వంతో కుంగుబాటును గుర్తించాయి.

ఇతర ప్రపంచ అధ్యయనాలు ఏమి చెబుతున్నాయి...
ది యానల్స్‌ ఆఫ్‌ ఫ్యామిలీ మెడిసిన్‌లో ప్రచురితమైన మరో అధ్యయనం మాటలు, స్పందనల్లోని నిరాశను గుర్తించడానికి ఏఐ–ఆధారిత వాయిస్‌ బయోమార్కర్‌ సాధనాన్ని మూల్యాంకనం చేసింది. మెషీన్‌ లెర్నింగ్‌ సాధనం 70 శాతం కంటే ఎక్కువ కేసుల్లో ఆడియో ఫైల్‌ను సమర్పించిన 25 సెకన్లలోనే మోస్తరు నుంచి తీవ్ర నిరాశలో ఉన్న బాధితుల స్వరాలను గుర్తించింది. 

యూఎస్, కెనడాలోని దాదాపు 15,000 మంది వయోజనుల నుంచి సేకరించిన వాయిస్‌ రికార్డింగ్‌లను పరిశోధకులు విశ్లేషించి అల్గోరిథం ఇచ్చిన ఫలితాలను ప్రామాణిక డిప్రెషన్‌ ప్రశ్నపత్రాలతో పోల్చినప్పుడు ఈ మేరకు ఫలితాలు వచ్చాయి. అయితే ఈ విధానం క్లినికల్‌ డయాగ్నోసిస్‌కు ఏమాత్రం ప్రత్యామ్నాయం కాదని పరిశోధకులు స్పష్టం చేశారు.