Repurposing Large Language Models as Instruments to Detect Transdiagnostic Speech Deviations across the Psychosis–Affective Spectrum
यह अध्ययन प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल की अपेक्षाओं से विचलन (सरप्राइज़ल) को मापना ट्रांसडायग्नोस्टिक भाषण परिवर्तनों, विशेष रूप से सिज़ोफ्रेनिया-स्पेक्ट्रम और बाइपोलर विकारों का पता लगाने के लिए एक स्केलेबल और सुदृढ़ मार्कर के रूप में कार्य करता है, हालांकि व्यक्तिगत रोगियों के बीच अंतर करने की इसकी क्षमता मामूली बनी हुई 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
दशकों से, मनोरोग विज्ञान (साइकियाट्री) काफी हद तक बोले गए शब्दों पर निर्भर रहा है। जब एक डॉक्टर किसी मरीज का आकलन करता है, तो वे न केवल इस बात पर ध्यान देते हैं कि क्या कहा गया है, बल्कि इस पर भी कि उसे कैसे कहा गया है। वे विचारों के प्रवाह, वाक्यों के बीच के संबंध और बोलने की लय पर ध्यान देते हैं। ये पैटर्न सोचने के गहरे विकारों को प्रकट कर सकते हैं, जैसे कि जब किसी व्यक्ति के विचार अव्यवस्थित हो जाते हैं या एक विषय से दूसरे विषय पर अनियंत्रित रूप से कूदने लगते हैं। यह सिज़ोफ्रेनिया जैसी स्थितियों की एक मुख्य विशेषता है, जहाँ भाषा की मूल संरचना ही टूट जाती है। हालाँकि, एक मरीज को सुनना और इन सूक्ष्म बदलावों का निर्णय करना मनुष्यों के लिए एक कठिन कार्य है। इसके लिए गहन प्रशिक्षण की आवश्यकता होती है, और विशेषज्ञों के बीच भी इस बात पर अक्सर असहमति होती है कि उन्होंने क्या सुना। क्योंकि इन स्थितियों के निदान के लिए रक्त परीक्षण की तरह कोई सरल जैविक परीक्षण उपलब्ध नहीं हैं, इसलिए यह क्षेत्र लंबे समय से इन भाषण पैटर्न को मापने के एक अधिक वस्तुनिष्ठ तरीके की तलाश कर रहा है।
हाल ही में, एक नए प्रकार के कंप्यूटर प्रोग्राम का उदय हुआ है जो एक समाधान प्रदान कर सकता है। ये लार्ज लैंग्वेज मॉडल्स (LLMs) हैं, वही तकनीक जो कई आधुनिक चैटबॉट्स को संचालित करती है। इन्हें किताबों, वेबसाइटों और बातचीत के विशाल टेक्स्ट पर प्रशिक्षित किया जाता है, जिससे वे यह सीख लेते हैं कि शब्द आमतौरिनी रूप से एक-दूसरे के बाद कैसे आते हैं। संक्षेप में, वे एक सामान्य, स्वस्थ बातचीत कैसी सुनाई देती है, इसका एक विशाल आंतरिक मानचित्र बनाते हैं। शोधकर्ताओं ने विचार करना शुरू कर दिया है कि क्या ये प्रोग्राम एक नए प्रकार के उपकरण के रूप में कार्य कर सकते हैं। यदि किसी व्यक्ति का भाषण उन पैटर्नों से काफी अलग हो जाता है जिनकी कंप्यूटर अपेक्षा करता है, तो क्या वह विचलन बीमारी के एक मापने योग्य संकेत के रूप में काम कर सकता है? यह प्रश्न आर्टिफिशियल इंटेलिजेंस और मानसिक स्वास्थ्य के मिलन बिंदु पर स्थित है, जो यह पूछता है कि क्या एक मशीन की वाक्य में अगले शब्द की भविष्यवाणी करने की क्षमता हमें मानव मन को समझने में मदद कर सकती है।
जर्मनी के शोधकर्ताओं की एक टीम ने इस विचार का परीक्षण करने के लिए एक बड़े समूह के साथ कदम उठाया। उन्होंने 371 प्रतिभागियों को इकट्ठा किया, जिनमें 178 स्वस्थ व्यक्ति और 194 विभिन्न मनोरोग स्थितियों से निदान किए गए मरीज शामिल थे। मरीजों को तीन मुख्य समूहों में बांटा गया था: सिज़ोफ्रेनिया-स्पेक्ट्रम विकारों वाले लोग, बाइपोलर डिसऑर्डर वाले लोग, और मेजर डिप्रेसिव डिसऑर्डर वाले लोग। यह सुनिश्चित करने के लिए कि सभी समान परिस्थितियों में बोल रहे हैं, शोधकर्ताओं ने प्रत्येक व्यक्ति को चार चित्र दिखाए और उनसे दृश्य में हो रही घटनाओं के बारे में एक कहानी सुनाने को कहा। यह मनोविज्ञान में उपयोग किया जाने वाला एक मानक परीक्षण है जो स्वाभाविक कहानी कहने के लिए प्रोत्साहित करता है। शोधकर्ताओं ने उन कहानियों को रिकॉर्ड किया, उन्हें टेक्स्ट में बदला, और फिर उन्हें एक परिष्कृत भाषा मॉडल में डाला।
कंप्यूटर को एक स्वस्थ व्यक्ति की तरह व्यवहार करने का निर्देश दिया गया था। जैसे ही यह प्रत्येक कहानी को पढ़ता, यह प्रत्येक वाक्य के लिए एक स्कोर की गणना करता कि वह सामने आए शब्दों से कितना 'आश्चर्यचकित' (surprised) था। यदि कहानी उस तरह से प्रवाहित हुई जिसकी कंप्यूटर को अपेक्षा थी, तो आश्चर्य का स्कोर कम था। यदि कहानी ने अप्रत्याशित मोड़ लिया, अजीब शब्द संयोजनों का उपयोग किया, या व्याकरण के नियमों को इस तरह तोड़ा जिससे प्रवाह बाधित हुआ, तो आश्चर्य का स्कोर बढ़ गया। शोधकर्ताओं ने इस स्कोर को "सरप्राइज़ल" (surprisal) कहा। इसके बाद उन्होंने इन स्कोरों की तुलना विभिन्न समूहों के बीच की, आयु, शिक्षा और वाक्यों की औसत लंबाई जैसे कारकों को सावधानीपूर्वक समायोजित करते हुए, ताकि यह सुनिश्चित किया जा सके कि परिणाम केवल इस बात का प्रतिबिंब नहीं हैं कि लोग कितनी देर तक बोले।
परिणामों ने एक स्पष्ट पैटर्न का खुलासा किया जिसने समूहों के बीच अंतर स्पष्ट किया। सिज़ोफ्रेनिया-स्पेक्ट्रम विकारों वाले लोगों द्वारा सुनाई गई कहानियों ने स्वस्थ स्वयंसेवकों की तुलना में लगातार बहुत अधिक 'सरप्राइज स्कोर' उत्पन्न किए। इसका अर्थ है कि उनका भाषण कंप्यूटर के लिए काफी कम अनुमानित था, जो स्वस्थ भाषा के सांख्यिकीय मानदंडों से विचलित था। बाइपोलर डिसऑर्डर वाले लोगों ने भी उच्च स्कोर दिखाया, हालांकि प्रभाव सिज़ोफ्रेनिया समूह की तुलना में उतना मजबूत नहीं था। आश्चर्यजनक रूप से, मेजर डिप्रेसिव डिसऑर्डर वाले लोगों की कहानियाँ स्वस्थ नियंत्रण समूह (healthy controls) के समान ही थीं। उनका भाषण स्वस्थ स्वयंसेवकों जितना ही अनुमानित था, जो यह सुझाव देता है कि इस पद्धति द्वारा मापा गया विशिष्ट भाषाई व्यवधान सभी मानसिक बीमारियों की एक सामान्य विशेषता नहीं है, बल्कि यह साइकोसिस स्पेक्ट्रम से अधिक निकटता से जुड़ा हुआ है।
शोधकर्ताओं ने यह भी देखा कि क्या ये स्कोर लक्षणों की गंभीरता के साथ मेल खाते हैं। उन्होंने पाया कि उच्च सरप्राइज़ स्कोर सोचने और बोलने में अधिक कठिनाइयों से जुड़े थे, जैसे कि सिज़ोफ्रेनिया में देखी जाने वाली अव्यवस्थित सोच। हालाँकि, यह संबंध मुख्य रूप से नैदानिक समूहों के बीच के अंतरों से प्रेरित था, न कि किसी विशेष रोगी में किसी दिए गए दिन के लक्षणों की गंभीरता से। दूसरे शब्दों में, कंप्यूटर एक व्यक्ति के सिज़ोफ्रेनिया और एक स्वस्थ व्यक्ति के बीच अंतर बताने में अधिक सक्षम था, बजाय इसके कि वह किसी विशिष्ट रोगी के लक्षणों की तीव्रता को बता सके। अध्ययन ने यह भी पुष्टि की कि ये परिणाम केवल इसलिए नहीं थे क्योंकि मरीज छोटे वाक्यों में बोलते थे या उनकी शिक्षा कम थी; यह प्रभाव बना रहा, भले ही शोधकर्ताओं ने इन कारकों को ध्यान में रखा हो।
यद्यपि समूहों के बीच अंतर करने में कंप्यूटर की क्षमता उत्साहजनक थी, लेकिन यह पूर्ण नहीं थी। तकनीक उन पैटर्न की पहचान कर सकती थी जिन्हें मानव मूल्यांकनकर्ता मिस कर सकते थे, लेकिन यह अभी तक एक स्टैंडअलोन नैदानिक उपकरण के रूप में उपयोग किए जाने के लिए पर्याप्त सटीक नहीं थी। अध्ययन सुझाव देता है कि यह पद्धति इस बात के वास्तविक और मापने योग्य पहलू को पकड़ती है कि कुछ मनोरोग स्थितियों में भाषा कैसे टूटती है, जो उनके भाषण को देखने का एक नया, वस्तुनिष्ठ तरीका प्रदान करती है। यह दर्शाता है कि एक मशीन की सांख्यिकीय अपेक्षाएं, जो मानवता की सामूहिक भाषा पर प्रशिक्षित हैं, साइकोसिस से जूझ रहे लोगों के भाषण में सूक्ष्म, अक्सर अदृश्य दरारों का पता लगा सकती हैं। यह मानव डॉक्टरों की आवश्यकता को प्रतिस्थापित नहीं करता है, बल्कि उन्हें यह देखने में मदद करने के लिए एक संभावित नया उपकरण प्रदान करता है कि एक व्यक्ति द्वारा चुने गए शब्दों के माध्यम से उसके मन में क्या हो रहा 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।