Credit: Unsplash/ CC0公共领域达特茅斯的研究人员利用Reddit上的对话建立了一个用于检测精神障碍的人工智能模型，这是新兴筛选工具浪潮的一部分，这些工具利用计算机分析社交媒体帖子，并洞察人们的精神状态。新模型的与众不同之处在于，它关注的是情绪，而不是被分析的社交媒体文本的具体内容。在第20届网络智能和智能代理技术国际会议上发表的一篇论文中，研究人员表明，无论帖子中讨论的主题是什么，这种方法随着时间的推移都表现得更好。
人们不寻求心理健康障碍帮助的原因有很多——耻辱感、高昂的费用和缺乏获得服务的途径是一些常见的障碍。这篇论文的合著者、瓜里尼24岁的郭晓波(Xiaobo Guo，Guarini '24)说，还有一种倾向是将精神障碍的迹象最小化，或将它们与压力混为一谈。他说，他们可能会寻求一些提示的帮助，这就是数字筛查工具可以发挥作用的地方。
“社交媒体提供了一种了解人们行为的简单方法，”郭说。他说，这些数据是自愿公开的，是为了让其他人阅读而发布的。
Reddit提供了一个庞大的用户论坛网络，是他们的首选平台，因为它拥有近5亿活跃用户，讨论广泛的话题。这些帖子和评论是公开的，研究人员可以收集2011年以来的数据。
在他们的研究中，研究人员专注于他们所谓的情绪障碍——重度抑郁、焦虑和双相情感障碍——其特征是独特的情绪模式。他们查看了自报患有这些疾病的用户和没有任何已知精神疾病的用户的数据。
他们训练他们的模型来标记用户帖子中表达的情绪，并绘制不同帖子之间的情绪转变，因此一个帖子可以被标记为“快乐”、“愤怒”、“悲伤”、“恐惧”、“无情绪”，或这些的组合。地图是一个矩阵，显示用户从任何一种状态到另一种状态的可能性，例如从愤怒到没有情绪的中性状态。
不同的情绪障碍有他们自己的情绪转变的特征模式。通过为用户创建情绪“指纹”，并将其与情绪障碍的既定特征进行比较，该模型可以检测到它们。为了验证他们的结果，他们在训练期间没有使用的帖子上测试了该模型，并表明该模型准确地预测了哪些用户可能或可能没有这些障碍之一。
计算机科学助理教授和另一位合著者Soroush Vosoughi说，这种方法回避了典型筛选工具遇到的一个重要问题，即“信息泄漏”。他说，其他模型是围绕审查和依赖文本内容建立的，尽管这些模型表现出很高的性能，但它们也可能会产生误导。
例如，如果一个模型学会了将“COVID”与“悲伤”或“焦虑”联系起来，Vosoughi解释说，它会很自然地假设一个研究和发布(相当冷静地)关于新冠肺炎的科学家患有抑郁症或焦虑症。另一方面，新模型只关注情感，对帖子中描述的特定话题或事件一无所知。
虽然研究人员没有着眼于干预策略，但他们希望这项工作能够为预防指明方向。在他们的论文中，他们对基于社交媒体数据的模型进行了更深入的研究。“拥有表现良好的模型是非常重要的，”沃索伊说，“但也要真正理解它们的工作原理、偏见和局限性。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
