تشخیص افسردگی به کمک هوش مصنوعی

دانشمندان شش فرم متمایز از افسردگی را شناسایی کرده‌اند که می‌تواند علت این امر را توضیح دهد که چرا درمان‌های مرسوم افسردگی مانند ضدافسردگی‌ها و گفتگودرمانی در درمان برخی از بیماران مبتلا به افسردگی موثر نیستند.

در مطالعه جدید، پژوهشگران اسکن مغز  بیش از ۸۰۰ بیمار را تجزیه‌وتحلیل کردند که مبتلا به افسردگی و اضطراب تشخیص داده شده بودند. اسکن‌ها در زمان استراحت بیماران و همچنین وقتی درحال انجام وظایف خاصی بودند که برای بررسی نحوه عملکرد مغزشان طراحی شده بود، از مغز بیماران گرفته شد.

به‌طور خاص، پژوهشگران مغز بیماران را با هم مقایسه کردند و به دنبال تفاوت در فعالیت نواحی خاص مغز و اتصالات بین آن‌ها بودند. در مطالعات گذشته، به نقش این مدارهای مغزی در افسردگی اشاره شده بود. ازجمله‌ی این مدارها، شبکه اجرایی مرکزی است که با رفتار هدف‌محور ارتباط دارد و شبکه حالت پیش‌فرض که با رویاپردازی در طول روز گره خورده است.

تیم پژوهشی با استفاده از نوعی هوش مصنوعی به نام یادگیری ماشین، بیماران را براساس اسکن‌های مغزشان به چندین گروه دسته‌بندی کرد. بیماران هر گروه ازنظر علائم و توانایی انجام وظابف خاص با هم فرق داشتند. به عنوان مثال، احتمال اینکه بیمارانی که دارای فعالیت بالایی در نواحی از مغز بودند که با پردازش عواطف ارتباط دارد، حس بی‌لذتی (ناتوانی در تجربه لذت) داشته باشند، بیشتر بود. علاوه‌بر‌این، عملکرد این دسته از بیماران در انجام وظایفی که کارکرد اجرایی یا قدرت تمرکز و مدیریت فعالیت‌ها را ارزیابی می‌کرد، ضعیف‌تر از دیگران بود.

لیان ویلیامز، از نویسندگان مطالعه و استاد روانپزشکی و  علوم رفتاری دانشگاه استنفورد در گفتگو با لایوساینس گفت با اینکه افراد مبتلا به افسردگی همه مبتلا به «اختلال افسردگی عمده» درنظر گرفته می‌شوند، همه آن‌ها افسردگی را به یک شکل تجربه نمی‌کنند.

برای تشخیص اختلال افسردگی عمده، بیمار باید حداقل پنج مورد از ۹ علامت احتمالی افسردگی را حداقل به مدت دو هفته تجربه کرده باشد (مانند خلق‌وخوی افسرده، بی‌خوابی و خستگی). براین‌اساس، ترکیبات مختلفی از علائم می‌تواند وجود داشته باشد.