Folkets språk kan avdekke ledetråder om deres fremtidige risiko for å utvikle psykose. Forskere konkluderte med dette etter å ha studert de subtile trekkene i menneskers hverdagstale.
Forskere ved Emory University i Atlanta GA og Harvard University i Boston MA brukte en maskinlæringsteknikk for å analysere språk i en gruppe ungdommer med risiko.
De fant ut at de kunne forutsi hvilke individer som ville fortsette å utvikle psykose med en nøyaktighet på 93%.
En fersk studie fra npj Schizophrenia beskriver hvordan teamet utviklet og testet metoden.
Seniorstudieforfatter Phillip Wolff professor i psykologi ved Emory University forklarer at tidligere forskning allerede hadde slått fast at «subtile trekk ved fremtidig psykose er til stede i folks språk.» Imidlertid bemerket han «vi har brukt maskinlæring til faktisk avdekke skjulte detaljer om disse funksjonene. «
Han og kollegene utviklet sin maskinlæringsmetode for å måle to språklige variabler: semantisk tetthet og bruk av ord relatert til lyd.
De konkluderte med at «konvertering til psykose er signalisert av lav semantisk tetthet og snakk om stemmer og lyder.»
Lav semantisk tetthet er et mål på det teamet omtaler som «fattigdom av innhold» eller vaghet.
«Dette arbeidet» bemerker forfatterne «er et bevis på konseptstudie som viser at indikatorer for fremtidig mental helse kan hentes ut fra menneskers naturlige språk ved bruk av beregningsmetoder.»
Maskinlæring og psykosesymptomer
Maskinlæring er en type kunstig intelligens der datamaskiner «lærer av erfaring» uten at forskere trenger å programmere læringen eksplisitt.
Et maskinlæringssystem ser etter mønstre i et kjent datasett og bestemmer hvilke mønstre som identifiserer spesifikke funksjoner. Etter å ha «lært» hva disse funksjonene er kan den utrettelig identifisere dem i et nytt datasett.
Maskinlæring kan oppdage mønstre i menneskers språkbruk som til og med leger som har gjennomgått opplæring for å diagnostisere og behandle personer med risiko for psykose kanskje ikke vil merke.
«Å prøve å høre disse finessene i samtaler med mennesker er som å prøve å se mikroskopiske bakterier med øynene dine» forklarer den første studieforfatteren Genuine Rezaii stipendiat i Institutt for nevrologi ved Harvard Medical School.
Imidlertid er det mulig å bruke maskinlæring for å finne visse subtile mønstre som gjemmer seg i menneskers språk. «Det» er som et mikroskop for advarselstegn om psykose «legger hun til.
Rezaii begynte å jobbe med studien mens hun var bosatt på Institutt for psykiatri og atferdsvitenskap ved Emory University School of Medicine.
Psykose er en sinnstilstand der det kan være vanskelig å forstå forskjellen mellom det som er reelt og det som ikke er det.
Når en person går inn i denne sinnstilstanden kaller leger det en psykotisk episode. I løpet av en slik episode opplever folk forstyrrede oppfatninger og tanker. Vrangforestillinger og hallusinasjoner er vanlige symptomer på psykose.
Under en psykotisk episode kan en person vise upassende oppførsel eller snakke usammenhengende. I tillegg kan de oppleve søvnforstyrrelse og bli sosialt tilbaketrukket deprimert og engstelig.
I USA vil omtrent 3% av mennesker oppleve en periode med psykose i løpet av livet ifølge tall fra National Institute of Mental Health som er en av National Institutes of Health (NIH).
Forbedring av tidlig diagnose av psykoserisiko
Psykose er et kjennetegn på schizofreni og andre alvorlige psykiske helsetilstander på lang sikt.
Advarselstegnene for psykose begynner vanligvis i midten til slutten av tenårene med en klynge av psykosesymptomer som legene beskriver som prodromalt syndrom.
Rundt 25-30% av tenårene som utvikler prodromalt syndrom vil utvikle en psykotisk sykdom som schizofreni.
Fra intervjuer og tester av kognitiv evne kan leger med passende trening vanligvis forutsi hvilke personer med prodromalt syndrom som vil fortsette å utvikle psykose med en nøyaktighet på rundt 80%.
Forskere prøver forskjellige tilnærminger for å forbedre denne prediksjonstakten og gjøre diagnoseprosessen mer nøyaktig og grei. Maskinlæring er en av disse tilnærmingene.
Professor Wolff og teamet hans begynte studiet ved å få sitt maskinlæringssystem for å identifisere språknormene i hverdagssamtalen.
De matet systemet online-samtaler fra 30 000 brukere av Reddit. Reddit er en online nyhets- innholdsrangerings- og diskusjonsplattform der registrerte brukere kan snakke om forskjellige emner.
Teamet brukte Word2Vec-programvare for å analysere enkeltord i samtalen. Programvaren kartlegger ord slik at de som har lignende betydninger er i nærheten av hverandre i «semantisk rom’ mens de som har veldig forskjellige betydninger er langt borte fra hverandre.
Forskerne la til et annet program til systemet for å utvide evnen til å analysere semantikk. Tidligere studier har begrenset denne analysen til å måle semantisk sammenheng som ser på hvordan folk bruker ord på tvers av setninger.
Semantisk tetthet går imidlertid et skritt videre og vurderer også hvordan folk organiserer ordene sine i setninger. Teamet antyder at dette er en bedre indikator på de mentale prosessene som folk bruker for å danne setninger.
Etter å ha trent maskinlæringssystemet for å etablere en «normal baseline’ matet teamet det samtalene fra diagnostiske intervjuer av 40 deltakere i den nordamerikanske Prodrome Longitudinal Study (NAPLS).
NAPLS er et flersidig 14-årig prosjekt som har som mål å forbedre legenes evne til å diagnostisere unge mennesker som kan være i fare for å utvikle psykose og forstå årsakene.
Teamet sammenlignet deretter maskinlæringsanalysen av NAPLS-samtalene med grunnlagsdataene. De sammenlignet det også med oppfølgingsdata som viste hvilke deltakere som gikk videre med å utvikle psykose.
Resultatene avdekket at deltakere som senere utviklet psykose hadde en tendens til å bruke mer lydrelaterte ord enn grunnlinjen og de brukte også ord med lignende betydning oftere.
«Hvis vi kan identifisere individer som er i faresonen tidligere og bruke forebyggende inngrep» forklarer medforfatter prof. Elaine Walker «kan vi være i stand til å snu underskuddene.»
«Det er gode data som viser at behandlinger som kognitiv atferdsterapi kan forsinke utbruddet og kanskje til og med redusere forekomsten av psykose» legger hun til.
Teamet setter nå sammen mer omfattende datainnsamlinger og planlegger å teste den nye maskinlæringsteknikken med andre hjerne- og psykiatriske forhold for eksempel demens.
«Denne forskningen er interessant ikke bare for potensialet til å avsløre mer om mental sykdom men for å forstå hvordan sinnet fungerer-hvordan det bringer ideer sammen.»
Professor Phillip Wolff