استفاده از یادگیری ماشین برای پی‌گیری تاثیر این بیماری همه‌گیر بر سلامت روان

منتشر شده در: MIT news به تاریخ ۱۳ نوامبر ۲۰۲۰
لینک مطلب اصلی: Using machine learning to track the pandemic’s impact on mental health

مواجهه با پاندمی جهانی بر سلامت روانی میلیون ها نفر تاثیر گذاشته‌است. گروهی از محققان دانشگاه MIT و دانشگاه هاروارد نشان داده‌اند که می‌توانند این تاثیرات را با تجزیه و تحلیل زبانی که مردم برای بیان آنلاین اضطراب خود استفاده می‌کنند، اندازه‌گیری کنند.

از ژانویه تا آوریل ۲۰۲۰، از یادگیری ماشینی برای تحلیل متن بیش از ۸۰۰۰۰۰ پست حسابرسی، محققان قادر به شناسایی تغییرات در لحن و محتوای زبانی بودند که مردم از آن به عنوان اولین موج بیماری همه‌گیر COVID19 استفاده می‌کردند.
تحلیل آن‌ها چندین تغییر کلیدی را در مکالمات در مورد سلامت روانی آشکار کرد، از جمله افزایش کلی بحث در مورد اضطراب و خودکشی.

دانیل لو، دانشجوی تحصیلات تکمیلی در برنامه گفتار و شنوایی زیست فن‌آوری در دانشگاه هاروارد و MIT و مولف اصلی این مطالعه می‌گوید: « ما متوجه شدیم که این خوشه‌های طبیعی در ارتباط با خودکشی و تنهایی ظهور کرده‌اند، و میزان پست‌ها در این خوشه‌ها در طول این پاندمی بیش از دو برابر در مقایسه با ماه‌های مشابه سال قبل است، که یک نگرانی جدی است.»

این تحلیل همچنین تاثیرات مختلفی را بر افرادی که از انواع مختلف بیماری ذهنی رنج می‌برند، آشکار کرد. محققان می‌گویند که این یافته‌ها می‌توانند به روان‌پزشکان یا به طور بالقوه تعدیل‌کننده فروم های حسابرسی که مورد مطالعه قرار گرفته‌اند، کمک کنند تا بهتر افرادی را که سلامت روانی آن‌ها در خطر است، شناسایی کنند و به آن‌ها کمک کنند.

لاری رونکر، دانشجوی تحصیلات تکمیلی در برنامه دکترای ژنتیک بیوانفورماتیک و یکپارچه در هاروارد و یکی از نویسندگان این مطالعه می‌گوید: «هنگامی که نیازهای سلامت روانی بسیاری از افراد در جامعه ما به اندازه کافی برآورده نشده است، حتی در خط پایه، ما قصد داشتیم توجه را به روش‌هایی جلب کنیم که بسیاری از مردم در طول این زمان رنج می‌برند تا تخصیص منابع برای حمایت از آن‌ها را تقویت و اطلاع‌رسانی کنند.»

ساتراژیت گاش، دانشمند برجسته پژوهشی در موسسه تحقیقات مغز دانشگاه MIT، نویسنده ارشد این تحقیق است که در مجله تحقیقات اینترنت پزشکی به چاپ می‌رسد.

موجی از اضطراب

مطالعه جدید از کلاس MIT 6.897 / HST.956 (یادگیری ماشین برای بهداشت و درمان)، در بخش مهندسی برق و علوم کامپیوتر MIT رشد کرده است. Low, Rumker و Talkar که همگی در بهار گذشته این دوره را می‌گذراندند، تحقیقات قبلی خود را در مورد استفاده از یادگیری ماشینی برای تشخیص اختلالات سلامت روانی براساس نحوه صحبت کردن مردم و آنچه که می‌گویند انجام دادند. پس از آغاز پاندمی COVID19، آن‌ها تصمیم گرفتند تا پروژه خود را بر تحلیل انجمن‌های حسابرسی مربوط به انواع مختلف بیماری‌های روانی متمرکز کنند.

لاو می‌گوید: « وقتی کووید حمله می‌کند، همه ما کنجکاو بودیم که آیا بر جوامع خاصی بیش از دیگران تاثیر گذاشته‌است یا خیر. »
Reddit به ما این فرصت را می‌دهد تا به تمام این متخصصان فرعی که گروه‌های حمایتی تخصصی هستند نگاهی بیندازیم." این یک فرصت واقعا منحصر به فرد است که ببینیم چطور این جوامع مختلف در زمان واقعی تحت‌تاثیر این موج قرار گرفته‌اند.

محققان پست‌های ۱۵ گروه بازرسی فرعی که به انواع بیماری‌های روانی از جمله اسکیزوفرنی، افسردگی و اختلال دو قطبی اختصاص‌داده شده‌بودند را تحلیل کردند. آن‌ها همچنین شامل تعداد انگشت‌‌شماری از گروه‌ها بودند که به موضوعاتی که به طور خاص به سلامت روانی مرتبط نیستند، مانند امور مالی شخصی، تناسب اندام، و والدین، اختصاص‌داده شده‌بودند.

با استفاده از چندین نوع الگوریتم پردازش زبان طبیعی، محققان فراوانی کلمات مرتبط با موضوعاتی مانند اضطراب، مرگ، انزوا و سو مصرف مواد را اندازه‌گیری کردند و پست‌های گروهی را براساس شباهت‌های موجود در زبان مورد استفاده، گروه‌بندی کردند. این رویکردها به محققان اجازه می‌دهد تا شباهت‌های بین پست‌های هر گروه را پس از شروع پاندمی و نیز تفاوت‌های متمایز بین گروه‌ها شناسایی کنند.

محققان دریافتند که در حالی که مردم در بیشتر گروه‌های حمایتی شروع به ارسال در مورد COVID19 در ماه مارس کردند، این گروه به اضطراب سلامتی خیلی زودتر از ژانویه شروع کرد. با این حال، با پیشرفت این بیماری همه‌گیر، دیگر گروه‌های بهداشت روانی از نظر زبانی که اغلب مورد استفاده قرار می‌گرفت، شباهت نزدیکی به گروه اضطراب سلامت پیدا کردند. در عین حال، گروه اختصاص‌یافته به امور مالی شخصی، منفی‌ترین تغییر معنایی را از ژانویه تا آوریل ۲۰۲۰ نشان داد، و استفاده از کلمات مربوط به استرس اقتصادی و احساسات منفی را به طور قابل‌توجهی افزایش داد.

آن‌ها همچنین کشف کردند که گروه‌های بهداشت روانی که بیش‌ترین تاثیر منفی را در این بیماری همه‌گیر دارند، آن‌هایی هستند که مربوط به ADHD و اختلالات خوردن هستند. محققان فرض می‌کنند که بدون سیستم‌های حمایت اجتماعی معمول شان، به دلیل محاصره، افرادی که از این اختلالات رنج می‌برند، مدیریت شرایط خود را بسیار دشوارتر یافته‌اند. در آن گروه‌ها، محققان در مورد تمرکز بیش از حد بر روی اخبار و بازگشت به رفتارهای بی‌اشتهایی از زمانی که غذاها به دلیل قرنطینه توسط دیگران کنترل نمی‌شدند، موضع گرفتند.

با استفاده از یک الگوریتم دیگر، محققان پست‌های خود را در خوشه‌هایی مانند تنهایی یا مصرف مواد گروه‌بندی کردند و سپس چگونگی تغییر آن گروه‌ها را با پیشرفت پاندمی مورد بررسی قرار دادند. موضوعات مربوط به خودکشی بیش از دو برابر سطوح پیش از بیماری همه‌گیر است، و گروه‌هایی که به طور قابل‌توجهی با خوشه خودکشی در طول این بیماری همه‌گیر در ارتباط بودند، گروه‌های حمایتی برای اختلال شخصیت مرزی و اختلال استرس پس از ضربه بودند.

محققان همچنین به معرفی موضوعات جدیدی پی بردند که به طور خاص به دنبال کمک به سلامت روانی یا تعامل اجتماعی هستند. تالکار می‌گوید: « موضوعات درون این گروه‌های پشتیبانی حسابرسی فرعی کمی تغییر کرده بودند، زیرا مردم سعی می‌کردند خود را با زندگی جدید وفق دهند و بر روی این موضوع تمرکز کنند که چگونه می‌توانند در صورت نیاز کمک بیشتری دریافت کنند.»

در حالی که نویسندگان تاکید می‌کنند که آن‌ها نمی‌توانند این بیماری همه‌گیر را به عنوان تنها علت تغییرات زبانی مشاهده‌شده در نظر بگیرند، آن‌ها اشاره می‌کنند که تغییرات بسیار مهم تری در طول دوره ژانویه تا آوریل ۲۰۲۰ نسبت به ماه‌های مشابه در سال‌های ۲۰۱۹ و ۲۰۱۸ وجود داشته‌است، که نشان می‌دهد این تغییرات را نمی توان با روند نرمال سالانه توضیح داد.

منابع سلامت روانی

محققان می‌گویند که این نوع تحلیل می‌تواند به ارائه دهندگان خدمات بهداشت روانی کمک کند تا بخش‌هایی از جمعیت را شناسایی کنند که نسبت به کاهش سلامت روانی ناشی از بیماری همه‌گیر COVID19 و سایر عوامل تنش زای سلامت روانی مانند انتخابات بحث‌برانگیز و یا بلایای طبیعی بسیار آسیب‌پذیر هستند.

علاوه بر این، این تحلیل می‌تواند برای ارایه منابع اضافی، مانند راهنمایی به یک گروه پشتیبانی متفاوت، اطلاعات در مورد چگونگی یافتن درمان سلامت‌روانی، یا تعداد یک خط مستقیم خودکشی به کاربران مورد استفاده قرار گیرد.

روکر می‌گوید: « Reddit یک منبع بسیار ارزشمند برای حمایت از بسیاری از افرادی است که از چالش‌های سلامت روانی رنج می‌برند، که بسیاری از آن‌ها ممکن است دسترسی رسمی به انواع دیگر حمایت از سلامت روانی نداشته باشند، بنابراین مفاهیم ضمنی این کار برای روش‌هایی وجود دارد که می توان از Reddit پشتیبانی کرد.»

محققان در حال حاضر قصد دارند تا از این رویکرد برای مطالعه استفاده کنند که آیا پست در Reddit و دیگر سایت‌های رسانه اجتماعی می‌تواند برای تشخیص اختلالات سلامت روانی استفاده شود. در یکی از پروژه‌های کنونی، پست‌های غربالگری در یک سایت رسانه‌های اجتماعی برای سربازان قدیمی با خطر خودکشی و اختلال استرس پس از سانحه وجود دارد.

ترجمه این مقاله با استفاده از ربات ترجمه آنلاین مقالات هوش مصنوعی و سلامت روان انجام شده و بصورت محدود مورد بازبینی انسانی قرار گرفته است. در نتیجه ممکن است دارای برخی اشکالات ترجمه باشد.