Polacy nagrodzeni za system, który wyłapie symptomy depresji w mediach społecznościowych

  • Patrycja Pustkowiak
opublikowano: 15-06-2022, 14:45
Play icon
Posłuchaj
Speaker icon
Close icon
Zostań subskrybentem
i słuchaj tego oraz wielu innych artykułów w pb.pl

Diagnozowanie depresji stanie się łatwiejsze dzięki sztucznej inteligencji, a dokładniej systemowi diagnostycznemu opracowanemu przez ekspertów z Ośrodka Przetwarzania Informacji Państwowego Instytutu Badawczego (OPI PIB). To narzędzie pozwala wyłapać symptomy depresji na podstawie analizy postów zamieszczanych w mediach społecznościowych. System stworzony przez Polaków zdobył pierwsze miejsce w międzynarodowym konkursie.

Nagrodzeni:
Nagrodzeni:
Twórcami systemu są członkowie Laboratorium Inteligentnych Systemów Informatycznych OPI-PIB. Od wielu lat zajmują się przetwarzaniem języka naturalnego.
materiały prasowe

Współcześnie diagnostyka medyczna wymaga nowych, innowacyjnych narzędzi. Tym wyzwaniom próbują sprostać eksperci OPI PIB, którzy szukają kolejnych sposobów na zastosowanie sztucznej inteligencji w medycynie i ochronie zdrowia człowieka. Ich najnowszym osiągnięciem jest narzędzie wykrywające symptomy depresji w mediach społecznościowych. Jego skuteczność była tak wysoka, że zdobyło pierwsze miejsce w konkursie Detecting Signs of Depression from Social Media Text organizowanym podczas konferencji Second Workshop on Language Technology for Equality, Diversity, Inclusion (LT-EDI-2022), która odbywała się 27 maja w Dublinie.

Neuronowy model języka

Dane przytoczone przez Światową Organizację Zdrowia (WHO) są alarmujące. Depresja dotyka około 322 milionów ludzi na świecie. Szybka diagnoza i leczenie mogą poprawić jakość życia pacjentów zmagających się z tą chorobą, a nawet je uratować. Teraz dzięki ekspertom IT z Laboratorium Inteligentnych Systemów Informatycznych będzie to dużo łatwiejsze. Jak działa system, który analizując na przykład wpisy na Facebooku, pomoże w ustaleniu czy osoba, które je pisze, może cierpieć na depresję?

Coraz lepszy system:
Coraz lepszy system:
Dr inż. Jarosław Protasiewicz, dyrektor Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI PIB), zapewnia, że eksperci ośrodka będą doskonalić nowe narzędzie, aby skutecznie wspierało walkę z depresją.
Bartko Dębkowski / Kreatyw! Media / http://kreatyw-media.pl

– To wbrew pozorom nie jest bardzo skomplikowane. Zadanie opracowane przez organizatorów konkursu polegało na stworzeniu systemu, który do treści posta pochodzącego z mediów społecznościowych przypisze odpowiednią etykietę, wygenerowaną na podstawie oceny symptomów depresji autora. Narzędzie OPI PIB w najbardziej trafny sposób potrafiło przypisać do niego jedną z trzech etykiet, tj. „brak depresji”, „umiarkowana depresja” lub „poważna depresja”. Jednym z sekretów naszego rozwiązania było zastosowanie własnego neuronowego modelu języka, a dokładniej modelu typu RoBERTa – tłumaczy dr inż. Jarosław Protasiewicz, dyrektor Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI PIB).

Neuronowe modele języka to rodzaj technologii cyfrowej służącej do przetwarzania języka naturalnego. Mają zastosowanie w wielu dziedzinach życia – od popularnych usług automatycznego tłumaczenia na języki obce przez autokorektę tekstu po rozmowę z czatbotami. Poza użyciem standardowego modelu dla języka angielskiego naukowcy z OPI PIB wytrenowali również własny model na przygotowanym przez nich zbiorze danych.

– Składał się z około 400 tys. postów głównie dotyczących depresji, stanów lękowych i myśli samobójczych. Połączenie tych dwóch modeli dało najlepszy rezultat. Dokładność naszego rozwiązania, mierzona jako liczba poprawnie sklasyfikowanych postów, wynosiła około 66 proc. – opowiada Rafał Poświata, specjalista badawczo-techniczny w OPI PIB, główny twórca systemu.

Ochrona nie tylko zdrowia:
Ochrona nie tylko zdrowia:
Nasze narzędzie Jednolity System Antyplagiatowy (JSA) odnajduje plagiaty w pracach dyplomowych, a nowy system, który przygotowujemy dla UOKiK, będzie wyszukiwał niedozwolone zapisy w umowach – zapowiada Rafał Poświata, specjalista badawczo-techniczny w OPI PIB, główny twórca systemu do wykrywania symptomów depresji.
materiały prasowe

Dodaje, że przed neuronowymi modelami języka stoją wielkie możliwości.

– W OPI PIB prowadzimy coraz więcej prac związanych z neuronowymi modelami języka i nie są to tylko projekty badawcze. Opracowujemy i wdrażamy nowe narzędzia, które efektywnie wspierają działalność człowieka. Nasze narzędzie Jednolity System Antyplagiatowy (JSA) odnajduje plagiaty w pracach dyplomowych, a nowy system, który przygotowujemy dla UOKiK, będzie wyszukiwał niedozwolone zapisy w umowach – zapowiada Rafał Poświata.

Wsparcie dla lekarzy

Zakres prac polskich naukowców jest jeszcze szerszy. Dużym sukcesem jest stworzona przez nich platforma eRADS, która wspiera pracę radiologów zajmujących się rakiem prostaty.

– Narzędzie to pozwala radiologom obiektywnie ocenić istotność kliniczną zmiany na podstawie standaryzowanych skal i leksykonów radiologicznych. Platforma umożliwia także tworzenie referencyjnych zbiorów danych – mówi Piotr Sobecki, kierownik Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB.

Duży sukces:
Duży sukces:
Platforma eRADS wspiera pracę radiologów zajmujących się rakiem prostaty. Pozwala lekarzom obiektywnie ocenić istotność kliniczną zmiany na podstawie standaryzowanych skal i leksykonów radiologicznych. Platforma umożliwia także tworzenie referencyjnych zbiorów danych – mówi Piotr Sobecki, kierownik Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB.
materiały prasowe

Dodaje, że rak prostaty stanowi duży i ciągle rosnący problem medyczny i społeczny dlatego w Laboratorium SSI w OPI PIB już od kilku lat trwają prace nad wykorzystaniem uczenia maszynowego i głębokiego w jego diagnostyce.

– Niedobory kadrowe radiologów i długi czas zdobywania doświadczenia w ocenie badań mpMRI, czyli multiparametrycznego rezonansu magnetycznego, powodują, że użycie sztucznej inteligencji ma tu kluczowe znaczenie. Nasza platforma eRADS, która wykorzystuje uczenie maszynowe, może stać się bardzo cennym wsparciem dla lekarzy – uważa ekspert.

Przytacza badania świadczące o jej wysokiej skuteczności.

– Analizowaliśmy zastosowanie narzędzi wykorzystujących uczenie maszynowe i głębokie. Naszym celem było porównanie otrzymanych wyników z diagnozami postawionymi przez doświadczonych i niedoświadczonych radiologów. Model predykcyjny istotności klinicznej zmian oparty o narzędzia uczenia maszynowego, bazował na cechach obrazu (np. jednorodności) w badanych komórkach i ich otoczeniu. Uzyskaliśmy model trafnie klasyfikujący istotnie klinicznie zmiany z prawdopodobieństwem 75 proc., co można porównać do diagnozy niedoświadczonego lekarza. Najbardziej obiecujące rezultaty otrzymaliśmy jednak z zastosowania wiedzy domenowej w architekturze sieci neuronowych. Opracowane modele dają lepszą jakość diagnozy zmian nowotworowych w porównaniu z ocenami niedoświadczonych i doświadczonych radiologów, stawiając trafną diagnozę z prawdopodobieństwem 84 proc. – kończy naukowiec.

© ℗
Rozpowszechnianie niniejszego artykułu możliwe jest tylko i wyłącznie zgodnie z postanowieniami „Regulaminu korzystania z artykułów prasowych” i po wcześniejszym uiszczeniu należności, zgodnie z cennikiem.

Polecane