Σύμφωνα με τα πιο πρόσφατα στοιχεία της μελέτης που δημοσιεύθηκε στα Πρακτικά της Εθνικής Ακαδημίας Επιστημών (PNAS), τα γλωσσικά μοντέλα της τεχνητής νοημοσύνης (AI) θα μπορούσαν να χρησιμοποιηθούν, με στόχο την εύρεση λεκτικών μοτίβων κοινών σε ασθενείς με σχιζοφρένεια.
«Τα ευρήματα αυτά ρίχνουν φως στη νευρολογική βάση της σημασιολογικής αναπαράστασης της σχιζοφρένειας» επισημαίνει ο επικεφαλής συγγραφέας δρ Matthew Nour του Ινστιτούτου Νευρολογίας Queen Square του University College του Λονδίνου (UCL), μαζί με τους συναδέλφους Daniel C. McNamee, Yunzhe Liu και Raymond J. Dolan.
Υπολογίζεται ότι 24 εκατομμύρια άνθρωποι ζουν με σχιζοφρένεια, σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας (ΠΟΥ), μια σοβαρή και χρόνια ψυχική διαταραχή που χαρακτηρίζεται από ψευδαισθήσεις, παραληρητικές πεποιθήσεις και διαταραχές στην αντίληψη, τη συμπεριφορά και τη σκέψη. Εκτός αυτού, αποτελεί μία από τις 15 κύριες αιτίες αναπηρίας παγκοσμίως.
«Η ανθρώπινη αντίληψη υποστηρίζεται από δομημένες εσωτερικές αναπαραστάσεις που κωδικοποιούν τις σχέσεις μεταξύ των οντοτήτων του κόσμου (γνωστικοί χάρτες). Τα κλινικά χαρακτηριστικά της σχιζοφρένειας -από τη διαταραχή της σκέψης έως τις ψευδαισθήσεις- εκτιμάται ότι αντικατοπτρίζουν την αποδιοργάνωση αυτών των εννοιολογικών αναπαραστάσεων» σημειώνουν οι ερευνητές.
Στη μελέτη, συμπεριλήφθηκαν 52 συμμετέχοντες, οι μισοί από τους οποίους είχαν σχιζοφρένεια. Όλοι οι συμμετέχοντες έλαβαν μέρος σε ένα πεντάλεπτο τεστ γλωσσικής ευφράδειας. Πιο συγκεκριμένα, έπρεπε να κατονομάσουν όσο το δυνατόν περισσότερες λέξεις που ανήκουν στην κατηγορία «ζώα» αλλά και να ονομάσουν όσο το δυνατόν περισσότερες λέξεις που ξεκινούν με το αγγλικό γράμμα P.
Η προσέγγιση των ερευνητών ήταν να εξετάσουν αν ένας αλγόριθμος τεχνητής νοημοσύνης μπορούσε να προβλέψει τις λέξεις που έδιναν οι συμμετέχοντες και να μετρήσουν τη διαφορά στην προβλεψιμότητα σε σχέση με τους ασθενείς με σχιζοφρένεια. Οι επιστήμονες υπέθεσαν ότι οι απαντήσεις που έδιναν τα άτομα με σχιζοφρένεια θα ήταν λιγότερο προβλέψιμες για τον αλγόριθμο τεχνητής νοημοσύνης.
Χρησιμοποιώντας μια βιβλιοθήκη ανοιχτού κώδικα που ονομάζεται fastText, ένα προ-εκπαιδευμένο μοντέλο ενσωμάτωσης λέξεων στην Επεξεργασία Φυσικής Γλώσσας για να ταξινομήσει τις απαντήσεις, διαπίστωσαν ότι οι απαντήσεις των συμμετεχόντων της ομάδας ελέγχου ήταν πιο προβλέψιμες από τον αλγόριθμο τεχνητής νοημοσύνης από εκείνες που παρήγαγαν οι συμμετέχοντες με σχιζοφρένεια. Όσο πιο σοβαρή ήταν η σχιζοφρένεια, τόσο μεγαλύτερη ήταν η διαφορά στην προβλεψιμότητα.
Οι ερευνητές υπέθεσαν ότι η νοητική αναπαράσταση των γνωστικών χαρτών μπορεί να εξηγήσει το εύρημά τους. Για να ελέγξουν αυτή την υπόθεση, διεξήγαγαν εγκεφαλικές σαρώσεις στις περιοχές του εγκεφάλου που σχετίζονται με τη μάθηση και την αποθήκευση γνωστικών χαρτών, ενώ οι συμμετέχοντες είχαν αναλάβει να μάθουν τη διαδοχική σχέση μεταξύ οκτώ εικόνων του τεστ και κατά τη διάρκεια μιας σάρωσης μετά την εργασία, διάρκειας πέντε λεπτών σε κατάσταση ηρεμίας.
«Σύμφωνα με την υπόθεσή μας, η επίδραση της σημασιολογικής ομοιότητας στη συμπεριφορά ήταν μειωμένη στη σχιζοφρένεια και προέβλεπε αρνητικά ψυχωτικά συμπτώματα και συσχετιζόταν με τη δύναμη σηματοδότησης του ιππόκαμπου» ανέφεραν οι επιστήμονες. «Τα ευρήματα γεφυρώνουν ένα χάσμα μεταξύ φαινομενολογικών και νευροϋπολογιστικών περιγραφών της σχιζοφρένειας» καταλήγουν οι ερευνητές.
ΠΗΓΗ: ygeiamou.gr
