Mental Health Disorder Detection Beyond Social Media: A Systematic Review of Available Datasets
यह शोध पत्र मानसिक स्वास्थ्य विकारों के पता लगाने के लिए गैर-सोशल मीडिया फ्री-टेक्स्ट डेटासेट्स की पहली व्यापक व्यवस्थित समीक्षा प्रस्तुत करता है, जो अंग्रेजी भाषा के अवसाद अध्ययनों के वर्तमान प्रभुत्व को प्रकट करता है और अधिक विविध, विश्वसनीय और नैदानिक रूप से प्रासंगिक संसाधन विकसित करने के लिए महत्वपूर्ण अंतराल और अवसरों को रेखांकित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि मानसिक स्वास्थ्य अनुसंधान (mental health research) की दुनिया एक विशाल पुस्तकालय है जो लोगों के मानसिक संघर्षों को पहचानने के लिए एक "डिटेक्टिव किट" (जासूसी किट) बनाने की कोशिश कर रही है। वर्षों से, यह पुस्तकालय मुख्य रूप से उन लोगों द्वारा लिखी गई किताबों से भरा रहा है जो सोशल मीडिया (जैसे ट्विटर या रेडिट) पर पोस्ट करते हैं। हालाँकि ये पोस्ट आसानी से मिल जाते हैं, लेकिन वे एक विशिष्ट पड़ोस के एक विशिष्ट पेड़ से फल चुनने जैसा है; वे पूरे जंगल का प्रतिनिधित्व नहीं कर सकते, और कभी-कभी वे फल सड़े हुए या भ्रामक भी हो सकते हैं।
यह शोध पत्र एक सिस्टमैटिक रिव्यू (एक बहुत ही व्यवस्थित, सावधानीपूर्वक खोज) है जो पूछता है: "पुस्तकालय में वे अन्य कौन सी किताबें हैं जिन्हें हमने अभी तक नहीं देखा है?" विशेष रूप से, लेखकों ने गैर-सोशल मीडिया डेटा की तलाश की—ऐसे टेक्स्ट जो वास्तविक डॉक्टरों, क्लीनिकों, थेरेपी सत्रों और अस्पतालों से आते हैं।
यहाँ उनके निष्कर्षों का विवरण दिया गया, जिसमें सरल उपमाओं (analogies) का उपयोग किया गया है:
1. "भाषा की बाधा" (केवल अंग्रेजी का क्लब)
लेखकों ने पाया कि पुस्तकालय मुख्य रूप से अंग्रेजी की किताबों के प्रभुत्व में है।
- वास्तविकता: लगभग 62% डेटासेट अंग्रेजी में हैं। चीनी दूसरा सबसे आम (लगभग 18%) है, लेकिन अन्य सभी (कोरियाई, पोलिश, अरबी, आदि) बहुत कम प्रतिनिधित्व रखते हैं।
- उपमा: कल्पना कीजिए कि आप एक रोबोट को मानवीय दुख समझने के लिए सिखाने की कोशिश कर रहे हैं, लेकिन आप उसे केवल अंग्रेजी में लिखी कहानियाँ खिला रहे हैं। रोबोट अमेरिकी या ब्रिटिश व्यक्ति के दुख को समझने में बहुत अच्छा हो सकता है, लेकिन वह कोरियाई या अरबी बोलने वाले व्यक्ति को समझने में पूरी तरह से खो जाएगा। लेखक कहते हैं कि हमें पुस्तकालय को केवल एक भाषा में बनाना बंद करना होगा।
2. "डिप्रेशन का जुनून" (एक ही विषय वाली बुकशेल्फ़)
जब लेखकों ने देखा कि ये डेटासेट किन मानसिक स्वास्थ्य समस्याओं को कवर करते हैं, तो उन्हें एक बड़ा असंतुलन मिला।
- वास्तविकता: अधिकांश डेटासेट डिप्रेशन (अवसाद) पर केंद्रित हैं। कुछ एंग्जायटी (चिंता) और सुसाइड (आत्महत्या) पर भी हैं, लेकिन अन्य गंभीर स्थितियां जैसे सिज़ोफ्रेनिया, पीटीएसडी (PTSD) या बाइपोलर डिसऑर्डर, उन दुर्लभ, धूल भरी किताबों की तरह हैं जिन्हें लगभग किसी ने नहीं खोला है।
- उपमा: यह एक डॉक्टर के वेटिंग रूम की तरह है जहाँ हर एक पत्रिका "दुखी कैसे महसूस करें" के बारे में है। यदि आप किसी अलग समस्या (जैसे टूटी हुई हड्डी या बुखार) के साथ वहां जाते हैं, तो आपको मदद के लिए कोई जानकारी नहीं मिल सकती। अनुसंधान केवल एक प्रकार के मानसिक संघर्ष पर बहुत अधिक केंद्रित है।
3. "कहानियों का स्रोत" (डेटा कहाँ से आता है)
यह पेपर वर्गीकृत करता है कि ये टेक्स्ट कहाँ से आते हैं। सोशल मीडिया पोस्ट के विपरीत, ये "आधिकारिक" रिकॉर्ड हैं।
- वास्तविकता: अधिकांश डेटा क्लिनिकल सेटिंग्स (डॉक्टरों के कार्यालय, अस्पताल) से आता है। ये टेक्स्ट इस प्रकार के होते हैं:
- इंटरव्यू ट्रांसक्रिप्ट: एक डॉक्टर और मरीज के बीच बातचीत।
- EHRs (इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स): डॉक्टर द्वारा विज़िट के बाद लिखे गए डिजिटल नोट्स।
- डिस्चार्ज सारांश (Discharge summaries): वे नोट्स जो मरीज के अस्पताल से छुट्टी लेने पर लिखे जाते हैं।
- थेरेपी चैट: ऑनलाइन थेरेपी सत्रों से प्राप्त टेक्स्ट।
- उपमा: सोशल मीडिया डेटा एक कॉफी शॉप में अजनबियों की बातचीत सुनने जैसा है। ये क्लिनिकल डेटासेट एक मरीज की निजी डायरी या डॉक्टर की आधिकारिक केस फाइल पढ़ने जैसा है। वे बहुत अधिक विस्तृत और सटीक हैं, लेकिन वे भारी दरवाजों (गोपनीयता कानूनों) के पीछे बंद हैं ताकि आप बस अंदर जाकर उन्हें उठा न सकें।
4. "लेबलिंग का खेल" (उन्हें कैसे पता चलता है कि क्या है)
कंप्यूटर को मानसिक स्वास्थ्य के मुद्दों का पता लगाने के लिए प्रशिक्षित करने के लिए, मनुष्यों को डेटा को "लेबल" करना होता है (यह चिह्नित करना कि कौन सा टेक्स्ट एक उदास व्यक्ति का है, कौन सा एक चिंतित व्यक्ति का है, आदि)। पेपर ने इसे करने के तीन मुख्य तरीके खोजे:
- स्वर्ण मानक (क्लिनिकल टूल्स): डॉक्टर आधिकारिक नियमपुस्तिकाओं जैसे कि DSM (डायग्नोस्टिक एंड स्टैटिस्टिकल मैनुअल) या ICD (इंटरनेशनल क्लासिफिकेशन ऑफ डिजीज) का उपयोग करते हैं। यह एक न्यायाधीश द्वारा कानूनी संहिता का उपयोग करके फैसला सुनाने जैसा है। यह सबसे विश्वसनीय है लेकिन इसमें बहुत समय और पैसा लगता है।
- स्व-रिपोर्ट (प्रश्नावली): मरीज PHQ-9 (डिप्रेशन चेकलिस्ट) या BDI जैसे फॉर्म भरते हैं। यह मरीज द्वारा सर्वेक्षण भरने जैसा है कि "हाँ, मैं उदास महसूस करता हूँ।" यह तेज़ है लेकिन यह मरीज के ईमानदार और सटीक होने पर निर्भर करता है।
- मानवीय अनुमान (मैनुअल/कीवर्ड): कभी-कभी, शोधकर्ता बस टेक्स्ट को पढ़ते हैं और अनुमान लगाते हैं, या वे "उदास" या "निराशाजनक" जैसे विशिष्ट शब्दों की खोज करते हैं। यह सबसे कम विश्वसनीय तरीका है, जैसे केवल "सुई" शब्द को देखकर घास के ढेर में सुई खोजने की कोशिश करना।
5. "बंद दरवाजे" (उपलब्धता)
यह एक बड़ी बाधा है।
- वास्तविकता: कई बेहतरीन डेटासेट (वे जिनमें सबसे अधिक उद्धरण और उच्च गुणवत्ता है) प्रतिबंधित (Restricted) हैं। आप उन्हें सीधे डाउनलोड नहीं कर सकते। आपको एक कानूनी समझौते (डेटा उपयोग समझौता) पर हस्ताक्षर करने होंगे जिसमें वादा किया गया हो कि आप डेटा का दुरुपयोग नहीं करेंगे।
- उपमा: "डिटेक्टिव किट" के लिए सबसे मूल्यवान सामग्रियां एक उच्च-सुरक्षा तिजोरी में हैं। आप उन्हें देख सकते हैं, लेकिन आप उनका उपयोग तभी कर सकते हैं जब आपके पास एक विशेष चाबी हो और आप बहुत सावधान रहने का वादा करें। यह नए शोधकर्ताओं के लिए दूसरों के काम पर आगे बढ़ने में कठिनाई पैदा करता है।
6. "लापता हिस्से" (आगे क्या?)
लेखक कुछ स्पष्ट कमियों के साथ निष्कर्ष निकालते हैं जिन्हें ठीक करने की आवश्यकता है:
- हमें अधिक भाषाओं की आवश्यकता है: हम केवल अंग्रेजी पर निर्भर नहीं रह सकते।
- हमें अधिक विविधता की आवश्यकता है: हमें डिप्रेशन के अलावा अन्य स्थितियों का अध्ययन करने की आवश्यकता है।
- हमें बेहतर नियमों की आवश्यकता है: शोधकर्ताओं को इस बारे में अधिक स्पष्ट होना चाहिए कि उन्होंने अपने डेटा को कैसे लेबल किया। यदि एक टीम एक सख्त चिकित्सा परीक्षण का उपयोग करती है और दूसरी टीम केवल अनुमान लगाती है, तो हम उनके परिणामों की निष्पक्ष रूप से तुलना नहीं कर सकते।
- भविवी टूल: पेपर सुझाव देता है कि नए AI उपकरण (जैसे उन्नत भाषा मॉडल) लेबलिंग प्रक्रिया को स्वचालित करने में मदद कर सकते हैं, जो एक "स्मार्ट असिस्टेंट" के रूप में डॉक्टरों को डेटा को तेज़ी से और अधिक निरंतरता से लेबल करने में मदद कर सकते हैं, हालांकि उन्हें अभी भी मानवीय निरीक्षण की आवश्यकता है।
सारांश में:
यह पेपर एक मानचित्र है जो हमें दिखा रहा है कि हालांकि हमारे पास मानसिक स्वास्थ्य के मुद्दों का पता लगाने के लिए कुछ उत्कृष्ट, उच्च-गुणवत्ता वाले "क्लिनिकल" डेटा हैं, लेकिन हमारा मानचित्र अधूरा है। यह मुख्य रूप से अंग्रेजी में लिखा गया है, लगभग पूरी तरह से डिप्रेशन पर केंद्रित है, और सबसे अच्छे मानचित्र तिजोरियों में बंद हैं। सभी के लिए वास्तव में सहायक प्रणाली बनाने के लिए, हमें अधिक दरवाजों को खोलने, मानचित्रों को अधिक भाषाओं में अनुवाद करने और उन हिस्सों को बनाना शुरू करने की आवश्यकता है जो वर्तमान में खाली हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।