مقالهای که ۲ سپتامبر ۲۰۲۶ در نشریه JMIR AI منتشر شد، سامانهای به نام MoodMon را برای پایش از راه دور تغییرات وضعیت روانی افراد مبتلا به اختلال دوقطبی یا افسردگی اساسی ارزیابی کرده است. این سامانه از نمونههای صوتی روزانه تلفن همراه و الگوریتمهای یادگیری ماشین استفاده میکند تا انحراف از الگوی معمول هر فرد را شناسایی و برای بررسی بالینی هشدار ایجاد کند.
در این مطالعه طولی و طبیعینگر، ۱۰۰ بیمار سرپایی پرخطر در هشت درمانگاه لهستان وارد شدند: ۷۵ نفر با اختلال دوقطبی و ۲۵ نفر با افسردگی اساسی عودکننده. پس از مرحله نخست، ۸۸ نفر در مطالعه باقی ماندند. شرکتکنندگان به سه پرسش روزانه غیرحساس پاسخ صوتی میدادند و سامانه از صدا ۲۴۳ ویژگی آکوستیک استخراج کرد؛ سپس ۱۹ ویژگی مانند زیر و بمی پایه، مکثها، انرژی باندهای فرکانسی و شاخصهای کیفیت صدا برای مدل نهایی انتخاب شدند.
مؤلفه هوش مصنوعی در این خبر مستقیم و مرکزی است: مدل با برچسبهای حاصل از ارزیابی روانپزشکان آموزش دید و در مرحله دوم، تغییر معنیدار نسبت به خط پایه فردی را پیشبینی کرد. سامانه جهت تغییر—برای مثال حرکت به سوی افسردگی یا مانیا—را تعیین نمیکرد و نقش آن تشخیص یا تصمیمگیری خودکار نبود؛ هشدار فقط تماس و ارزیابی پزشک را فعال میکرد و تصمیم درمانی در اختیار روانپزشک باقی میماند.
پژوهشگران در مرحله اعتبارسنجی ۱۱۵۱ مثبت درست، ۳۵۵ مثبت کاذب، ۳۰٬۲۲۴ منفی درست و ۱۳۵ منفی کاذب گزارش کردند. حساسیت کلی ۸۹٫۵ درصد، ویژگی ۹۸٫۸ درصد و ارزش اخباری مثبت ۷۶٫۴ درصد بود. در مجموع ۲۶۵۶ هشدار خودکار تولید شد، اما ۱۵۸۷ مورد بهوسیله روانپزشکان بررسی و تأیید یا رد شدند. وجود هشدار با احتمال بیشتر تماس بالینی و تغییر درمان همراه بود، ولی این همراهی بهتنهایی ثابت نمیکند سامانه پیامدهای سلامت بیماران را بهتر کرده است.
چند محدودیت برای تفسیر نتیجه مهم است. مطالعه گروه کنترل نداشت و بیماران بهطور هدفمند از میان افرادی با تغییرات خلقی مکرر انتخاب شدند؛ بنابراین عملکرد در بیماران پایدارتر روشن نیست. ارزیابی مستقیم بالینی هر روز انجام نمیشد و برخی برچسبها میان ارزیابیهای دو هفتهای برونیابی شدند. روانپزشکان هنگام سنجش هشدارها از صدور هشدار آگاه بودند که میتواند سودمندی آن را بیشبرآورد کند. همچنین نمونه فقط لهستانی، اپلیکیشن فقط اندرویدی و اعتبارسنجی بیرونی در زبان یا جمعیت مستقل گزارش نشده است.
در نتیجه، MoodMon نمونهای جدی از «هوش مصنوعی بهعنوان تصمیمیار پایش» است، نه درمانگر یا تشخیصدهنده مستقل. اعداد عملکرد امیدوارکنندهاند، اما پیش از کاربرد گسترده باید تعمیمپذیری، اثر واقعی بر عود و بستری، حریم خصوصی داده صوتی و عملکرد در گروههای زبانی و اجتماعی متفاوت آزموده شود.
منبع: Sokół-Szawłowska و همکاران، JMIR AI، منتشرشده ۲ سپتامبر ۲۰۲۶، DOI: 10.2196/89981. مقاله با مجوز CC BY 4.0 منتشر شده است.
