شفا آنلاین:محققان
دانشگاه‌های هاروارد و ورمونت با استفاده از هوش مصنوعی <Artificial intelligence>و تصاویر پست شده
در شبکه‌های اجتماعی موفق به تشخیص علایم افسردگی در مراحل اولیه شدند. در
این مطالعه محققان با بررسی 43هزار و 950 تصویر پست شده توسط 166 داوطلب در
شبکه‌های اجتماعی و بررسی سابقه بهداشت روانی این افراد دریافتند حدود
نیمی از این داوطلبان در سه سال گذشته سابقه افسردگی داشتند.
به گزارش شفا آنلاین:تصاویر
پست‌شده توسط این افراد از نظر روشنایی، نور و رنگ بررسی شد. نتایج نشان
داد افراد افسرده بیشتر تمایل دارند تصاویر تیره، خاکستری و کم نور به
اشتراک بگذارند. فیلتر مورد علاقه این افراد Inkwel- است که تصاویر را سیاه
و سفید می‌کند؛ در حالی که داوطلبان غیرافسرده، بیشتر از فیلتر Valencia
استفاده می‌کنند که عکس‌ها را گرم‌تر می‌کند. چهره‌های موجود در تصاویر نیز
سرنخ‌های ارزشمندی را برای درک حالات روحی دراختیار می‌گذارد. این مطالعه
نشان می‌دهد تعداد چهره‌های موجود در تصاویر پست شده توسط افراد افسرده
بسیار کمتر است که می‌تواند نشانه تعاملات اجتماعی کمتر این افراد باشد، از
طرفی خویش‌اندازهای غمگین نیز در پست‌های این افراد زیاد دیده می‌شود.
محققان معتقدند با توجه به افزایش تعاملات اجتماعی در اینترنت، شناسایی
زودهنگام علایم بیماری‌های روحی با استفاده از الگوریتم‌های خاص امکان‌پذیر
است و از این طریق می‌توان بسیاری از اختلالات روحی را خیلی زود تشخیص
داد. سیستم طراحی شده توسط محققان دانشگاه هاروارد حدود 70 درصد از سرنخ‌ها
مرتبط با افسردگی را شناسایی می‌کند که در تشخیص زودهنگام افسردگی بسیار
موثر است. محققان امیدوارند برنامه‌هایی را توسعه دهند که با استفاده از
تلفن هوشمند و تعاملات کاربر در شبکه‌های اجتماعی، حالات روحی را به طور
مداوم نظارت کند و قادر به تشخیص اختلالات روحی در مراحل اولیه باشد.سپید
ScienceDaily
