Dự Đoán Trầm Cảm Sử Dụng Trí Tuệ Nhân Tạo (video)
Tóm Lược Nghiên Cứu: Các nhà nghiên cứu đã thử nghiệm việc sử dụng các mô hình sàng lọc tự động để có thể nhanh chóng xác định các rủi ro tiềm ẩn của việc phát triển các triệu chứng trầm cảm. Hầu hết các mô hình hiện có thường bao gồm tâm trạng cá nhân, phản ánh qua mạng xã hội tại một thời điểm duy nhất, làm một trong những biến dự đoán. Trong nghiên cứu này, chúng tôi đã giám sát những biến động và chuyển đổi tâm trạng được phản ánh qua những bài đăng trên mạng xã hội trong khoảng thời gian một năm bằng hồ sơ tâm trạng.
Chúng tôi đã sử dụng một nhóm lẻ dữ liệu từ tập "MyPersonality" của Facebook bao gồm những người dùng đã đồng ý và hoàn thành một bài đánh giá các triệu chứng trầm cảm. Nó bao gồm 93.378 bài đăng trên Facebook của 781 người dùng. Chúng tôi quan sát rằng những người được đánh giá là có triệu chứng thấp có ít biến động tâm trạng thể hiện trong bài đăng mạng xã hội hơn so với những người có điểm số triệu chứng cao. Tiếp theo, chúng tôi tận dụng một mẫu biểu diễn tâm trạng hàng ngày trong Mô hình Markov ẩn để xác định mối liên hệ của chúng với các triệu chứng tự báo cáo.
Chúng tôi phát hiện rằng những người có mẫu tâm trạng cụ thể thường rất có khả năng đã báo cáo các triệu chứng trầm cảm cao. Tuy nhiên, không phải tất cả người có triệu chứng cao đều nhất thiết thể hiện đặc điểm này. Điều này cho thấy rằng có thể còn có sự hiện diện tiềm năng của các nhóm yếu tố con dẫn tới phát hiện này. Cuối cùng, chúng tôi tận dụng nhiều mẫu biểu hiện tâm trạng để mô tả chi tiết mỗi mức độ của các triệu chứng trầm cảm với mô hình hồi quy logistic. Kết quả cho thấy đối với một số người, tâm trạng trích xuất từ mạng xã hội có thể tượng trưng cho tâm trạng thực, đặc biệt là đối với các triệu chứng trầm cảm. Kết hợp các mẫu biểu diễn tâm trạng với các tín hiệu proxy khác có thể có khả năng đẩy mạnh hiệu quả của quá trình sàng lọc bán tự động.
Biên tập: Hương Lê
Dịch: Dung Ngô, Thoa Đinh
Lồng tiếng: Thương Huyền
Nguồn:
Chen, Lushi, Walid Magdy, Heather Whalley, and Maria Klara Wolters. "Examining the Role of Mood Patterns in Predicting Self-Reported Depressive symptoms." In 12th ACM Conference on Web Science, pp. 164-173. 2020.
