Automatic detection of depression in clinical interviews with large language models
यह अध्ययन प्रदर्शित करता है कि ट्रांसफॉर्मर-आधारित मॉडलों और एंसेम्बल रणनीतियों का उपयोग करके नैदानिक साक्षात्कारों का स्वचालित भाषा विश्लेषण कैंटोनीज़ बोलने वालों में मेजर डिप्रेसिव डिसऑर्डर का प्रभावी ढंग से पता लगा सकता है, जो प्रसंस्करण दक्षता में महत्वपूर्ण सुधार करता है और इष्टतम प्रदर्शन के लिए ट्रांसक्रिप्शन की गुणवत्ता और संवादात्मक संदर्भ के महत्व को रेखांकित करता है।
मूल पेपर CC BY 4.0 (https://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
अवसाद एक सामान्य और गंभीर स्थिति है जो दुनिया भर में लाखों लोगों को प्रभावित करती है, फिर भी इसे जल्दी पहचानना अक्सर एक व्यक्ति की प्रशिक्षित मानसिक स्वास्थ्य पेशेवर तक पहुँचने की क्षमता पर निर्भर करता है। कई स्थानों पर, ये विशेषज्ञ दुर्लभ हैं, और निदान की प्रक्रिया धीमी हो सकती है, जिससे कई लोग बिना आवश्यक मदद के रह जाते हैं। इस समस्या के समाधान के लिए, शोधकर्ताओं ने यह पता लगाने की दिशा में अन्वेषण करना शुरू कर दिया है कि क्या कंप्यूटर लोगों के बोलने के तरीके को सुनकर अवसाद के संकेतों को पहचानना सीख सकते हैं। यह क्षेत्र इस विचार पर आधारित है कि जिस तरह से एक व्यक्ति अपनी भावनाओं का वर्णन करता है, उसके द्वारा चुने गए शब्द, और उसकी बातचीत की लय, उसकी मानसिक स्थिति को प्रकट कर सकती है। आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) में हालिया प्रगति ने शक्तिशाली उपकरण बनाए हैं जो मानवीय भाषा को समझने में सक्षम हैं, जो इन बातचीत का स्वचालित रूप से विश्लेषण करने का एक नया तरीका प्रदान करते हैं। लक्ष्य डॉक्टरों को बदलना नहीं है, बल्कि एक तेज़, सुलभ उपकरण बनाना है जो यह पहचानने में मदद कर सके कि किसे देखभाल की आवश्यकता है, जिससे संभावित रूप से उन लोगों तक पहुँचा जा सके जो अन्यथा बिना निदान के रह जाते।
चीनी विश्वविद्यालय ऑफ हांगकांग के शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए एक प्रयास किया कि क्या ये आर्टिफिशियल इंटेलिजेंस उपकरण नैदानिक साक्षात्कारों (क्लिनिकल इंटरव्यू) की रिकॉर्डिंग का उपयोग करके मेजर डिप्रेसिव डिसऑर्डर (प्रमुख अवसादग्रस्त विकार) का सटीक पता लगा सकते हैं। उन्होंने 294 कैंटोनीज़ बोलने वाले प्रतिभागियों के साथ काम किया, जिनमें 194 अवसाद से निदान किए गए रोगी और 105 स्वस्थ व्यक्ति शामिल थे। शोधकर्ताओं ने संरचित साक्षात्कार रिकॉर्ड किए जहाँ एक चिकित्सक ने प्रश्न पूछे और प्रतिभागी ने उत्तर दिया। यह देखने के लिए कि क्या वे इस प्रक्रिया को तेज़ और अधिक स्केलेबल बना सकते हैं, उन्होंने इन ऑडियो रिकॉर्डिंग को टेक्स्ट में बदलने के दो तरीकों की तुलना की। पहला तरीका पारंपरिक दृष्टिकोण था, जहाँ मनुष्यों ने बोले गए प्रत्येक शब्द को मैन्युअल रूप से लिखा, एक ऐसी प्रक्रिया जिसमें प्रत्येक साक्षात्कार के लिए लगभग 45 मिनट का समय लगता था। दूसरे तरीके में ऑडियो को तुरंत ट्रांसक्राइब करने के लिए एक स्वचालित प्रणाली का उपयोग किया गया। इसके बाद उन्होंने इन टेक्स्ट को भाषा को समझने के लिए डिज़ाइन किए गए कई अलग-अलग कंप्यूटर मॉडलों में डाला, और यह परीक्षण किया कि क्या मॉडल स्वस्थ प्रतिभागियों और अवसाद से ग्रस्त लोगों के बीच अंतर कर सकते हैं।
अध्ययन से पता चला कि स्वचालित ट्रांसक्रिप्शन प्रणाली का उपयोग करना दक्षता के मामले में एक बड़ी छलांग थी। इसने प्रत्येक साक्षात्कार को प्रोसेस करने के लिए आवश्यक समय को लगभग 45 मिनट से घटाकर 10 मिनट से भी कम कर दिया, जो कि 79 प्रतिशत की कमी है। यह गति बड़ी संख्या में साक्षात्कारों का तेज़ी से विश्लेषण करना संभव बनाती है, जो वास्तविक दुनिया के उपयोग के लिए आवश्यक है। हालाँकि, शोधकर्ताओं ने पाया कि इस गति के साथ एक छोटा सा समझौता भी आया। मैन्युअल रूप से लिखे गए टेक्स्ट पर प्रशिक्षित मॉडल, स्वचालित रूप से उत्पन्न टेक्स्ट पर प्रशिक्षित मॉडलों की तुलना में अवसाद की पहचान करने में थोड़े बेहतर थे। यह सुझाव देता है कि जबकि मशीनें सुनने में बहुत अच्छी हो रही हैं, वे अभी भी कभी-कभी उन सूक्ष्म बारीकियों को चूक जाती हैं जिन्हें एक मानव ट्रांसक्राइबर पकड़ लेता है। इस छोटी सी कमी के बावजूद, स्वचालित संस्करण अभी भी अत्यधिक प्रभावी थे, जो यह सिद्ध करते हैं कि यह तकनीक व्यावहारिक अनुप्रयोग के लिए तैयार है जहाँ गति महत्वपूर्ण है।
एक अन्य प्रमुख खोज यह थी कि कंप्यूटर को बातचीत के किन हिस्सों को सुनना चाहिए। शोधकर्ताओं ने दो परिदृश्यों का परीक्षण किया: एक जहाँ मॉडल केवल रोगी के उत्तरों को पढ़ता है, और दूसरा जहाँ वह डॉक्टर के प्रश्नों सहित पूरी बातचीत को पढ़ता है। उन्होंने पाया कि मॉडल तब बेहतर प्रदर्शन करते हैं जब उनके पास संवाद का पूरा संदर्भ होता है। एक रोगी का छोटा उत्तर, जैसे कि "वास्तव में नहीं" या "कभी-कभी", अपने आप में अस्पष्ट लग सकता है, लेकिन जब मॉडल उससे पहले आए प्रश्न को देखता है, तो अर्थ बहुत स्पष्ट हो जाता है। उदाहरण के लिए, यदि एक डॉक्टर नींद के पैटर्न के बारे में पूछता है और रोगी कहता है "कभी-कभी", तो कंप्यूटर समझ जाता है कि यह नींद की गड़बड़ी के संदर्भ में है। यह संदर्भ मॉडल को अधिक सटीक निर्णय लेने में मदद करता है, जो यह दर्शाता है कि डॉक्टर और रोगी के बीच की बातचीत में मूल्यवान संकेत होते हैं जो खो जाते हैं यदि केवल रोगी की आवाज़ का विश्लेषण किया जाए।
अपने डिटेक्शन को और भी विश्वसनीय बनाने के लिए, टीम ने कई अलग-अलग कंप्यूटर मॉडलों के अनुमानों को एक एकल, अधिक शक्तिशाली प्रणाली में संयोजित किया। उन्होंने उनके मतों को मिलाने के विभिन्न तरीकों का परीक्षण किया, जैसे कि उनके स्कोर का औसत लेना या उनमें से सबसे मजबूत संकेत को देखना। यह संयुक्त दृष्टिकोण, जिसे 'एन्सेम्बल' (ensemble) कहा जाता है, ने अकेले किसी भी एकल मॉडल द्वारा प्राप्त की जाने वाली सटीकता से बेहतर डिटेक्शन में सुधार किया। सबसे अच्छा प्रदर्शन करने वाले संयोजन का परीक्षण फिर 169 युवाओं के एक पूरी तरह से नए समूह पर किया गया जो मूल अध्ययन का हिस्सा नहीं थे। इस स्वतंत्र परीक्षण में, संयुक्त प्रणाली ने उच्च स्तर की सटीकता के साथ अवसाद की सफलतापूर्वक पहचान की, और यह सबसे अच्छे एकल मॉडल के समान और दूसरों की तुलना में थोड़ा बेहतर प्रदर्शन करती है। इसने पुष्टि की कि सिस्टम अपने प्रशिक्षण के दौरान देखे गए लोगों के अलावा नए लोगों पर भी अपने निष्कर्षों को लागू कर सकता है।
इस अध्ययन के परिणाम मानसिक स्वास्थ्य देखभाल के लिए एक आशाजनक मार्ग प्रदान करते हैं। शोधकर्ताओं ने प्रदर्शित किया है कि यह संभव है कि एक ऐसी प्रणाली बनाई जाए जो उच्च सटीकता के साथ भाषण से अवसाद का पता लगा सके और साथ ही विश्लेषण के लिए आवश्यक समय को भारी रूप से कम कर सके। हालाँकि स्वचालित ट्रांसक्रिप्ट पूर्णतः सटीक नहीं थे, लेकिन वे एक ऐसी प्रणाली का समर्थन करने के लिए पर्याप्त अच्छे थे जो वास्तविक दुनिया में अच्छी तरह से काम करती है। अध्ययन ने यह भी रेखांकित किया कि विश्लेषण में डॉक्टर के प्रश्नों को शामिल करने से कंप्यूटर की समझ में महत्वपूर्ण संदर्भ मिलता है जो सुधार लाता है। हालाँकि यह प्रणाली अभी मानव निदान का विकल्प नहीं है, लेकिन यह मानसिक स्वास्थ्य स्क्रीनिंग को तेज़, अधिक सुलभ और अधिक लोगों के लिए उपलब्ध बनाने की दिशा में एक महत्वपूर्ण कदम है। यह कार्य सुझाव देता है कि सही उपकरणों के साथ, तकनीक अवसाद से जूझ रहे लोगों और उन्हें मिलने वाली देखभाल के बीच के अंतर को पाटने में मदद कर सकती है।
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।