L'apprendimento automatico può aiutare a prevedere la psicosi tramite l'analisi del linguaggio

Un nuovo metodo di apprendimento automatico può prevedere con una precisione del 93% se una persona a rischio di psicosi svilupperà il disturbo.

Il metodo, sviluppato dagli scienziati della Emory University e della Harvard University, ha scoperto che un uso superiore al normale di parole legate al suono, combinato con un tasso più elevato di utilizzo di parole con significato simile, significava che la psicosi era all'orizzonte.

Anche i medici qualificati non avevano notato come le persone a rischio di psicosi usino più parole associate al suono rispetto alla media, sebbene la percezione uditiva anormale sia un segnale di allarme precoce.

"Cercare di ascoltare queste sottigliezze nelle conversazioni con le persone è come cercare di vedere germi microscopici con gli occhi", afferma Neguine Rezaii, primo autore dell'articolo. "La tecnica automatizzata che abbiamo sviluppato è uno strumento molto sensibile per rilevare questi schemi nascosti. È come un microscopio per i segni premonitori di psicosi ".

L'insorgenza della schizofrenia e di altri disturbi psicotici si verifica tipicamente nei primi anni '20, con i primi segni premonitori - noti come sindrome prodromica - che iniziano intorno ai 17 anni. Circa il 25-30% dei giovani con sindrome prodromica svilupperà alla fine schizofrenia o un altro disturbo psicotico.

Attualmente non esiste una cura per la psicosi. Attraverso interviste strutturate e test cognitivi, i medici qualificati possono predire la psicosi con circa l'80% di accuratezza in quelli con una sindrome prodromica.

Ora, la ricerca con l'apprendimento automatico, una forma di intelligenza artificiale in grado di scoprire schemi nascosti, è uno dei tanti sforzi in corso per semplificare i metodi diagnostici, identificare nuove variabili e migliorare l'accuratezza delle previsioni.

"In precedenza era noto che le caratteristiche sottili delle psicosi future sono presenti nel linguaggio delle persone, ma abbiamo utilizzato l'apprendimento automatico per scoprire effettivamente i dettagli nascosti su quelle caratteristiche", afferma l'autore senior Phillip Wolff, professore di psicologia all'Emory. Il laboratorio di Wolff si concentra sulla semantica del linguaggio e sull'apprendimento automatico per prevedere il processo decisionale e la salute mentale.

Per lo studio, i ricercatori hanno prima utilizzato l'apprendimento automatico per stabilire "norme" per il linguaggio colloquiale. Hanno alimentato un programma software per computer con le conversazioni online di 30.000 utenti di Reddit, una piattaforma di social media in cui le persone hanno discussioni informali su una vasta gamma di argomenti.

Il programma software, noto come Word2Vec, utilizza un algoritmo per modificare singole parole in vettori (un termine matematico che si riferisce alla posizione di un punto nello spazio rispetto a un altro). In altre parole, il programma assegnava a ciascuna parola una posizione in uno spazio semantico in base al suo significato. Le parole con significati simili erano posizionate più vicine tra loro rispetto a quelle con significati molto diversi.

Il laboratorio Wolff ha anche sviluppato un programma per computer per eseguire il "spacchettamento dei vettori" o l'analisi della densità semantica dell'uso delle parole. Il disimballaggio dei vettori ha consentito ai ricercatori di quantificare la quantità di informazioni contenute in ogni frase.

Dopo aver generato una linea di base di dati "normali", i ricercatori hanno applicato le stesse tecniche a interviste diagnostiche a 40 giovani ad alto rischio di psicosi. Le analisi automatizzate dei campioni partecipanti sono state quindi confrontate con il normale campione di riferimento.

I risultati hanno mostrato che un uso superiore al normale di parole correlate al suono, insieme a un tasso più elevato di utilizzo di parole con significato simile, significava che era probabile che si verificasse una psicosi.

I punti di forza dello studio includono la semplicità dell'utilizzo di due sole variabili, entrambe con solide basi teoriche, la replica dei risultati in un set di dati di controllo e l'elevata precisione delle sue previsioni, superiore al 90 percento.

"In ambito clinico, spesso ci manca la precisione", afferma Rezaii. "Abbiamo bisogno di metodi più quantificati e oggettivi per misurare variabili sottili, come quelle nascoste nell'uso del linguaggio".

Rezaii e Wolff stanno ora raccogliendo set di dati più ampi e testando l'applicazione dei loro metodi su una varietà di malattie neuropsichiatriche, inclusa la demenza.

"Questa ricerca è interessante non solo per il suo potenziale di rivelare di più sulla malattia mentale, ma per capire come funziona la mente - come mette insieme le idee", dice Wolff. "La tecnologia di apprendimento automatico sta avanzando così rapidamente da fornirci strumenti per estrarre dati dalla mente umana".

La coautrice Elaine Walker, professoressa di psicologia e neuroscienze alla Emory, afferma: "Se riusciamo a identificare le persone che sono a rischio in anticipo e utilizziamo interventi preventivi, potremmo essere in grado di invertire i deficit".

I risultati sono pubblicati sulla rivista npj Schizofrenia.

Fonte: Emory Health Sciences