Yapay zeka ruh sağlığınızı ‘dijital izlerden’ teşhis ediyor

Küresel ekonomiyi ve iş gücünü tehdit eden en büyük sorunlardan biri olan ruh sağlığı problemlerinin teşhisinde teknolojik bir devrim yaşanıyor. Geliştirilen yeni bir yapay zeka modeli, kişilerin sosyal medya ve internet üzerindeki yazışma kalıplarını analizerek depresyon ve kaygı gibi rahatsızlıkları yüzde 99’a varan doğruluk oranıyla tespit edebiliyor.

Depresyon, kaygı ve stres kaynaklı rahatsızlıklar, dünya genelinde yaşam kalitesini düşüren ve ekonomilere ağır maliyetler yükleyen temel halk sağlığı sorunları arasında yer alıyor. Geleneksel teşhis yöntemlerinin kişisel beyanlara dayanması ve uzman erişimindeki kısıtlamalar, erken müdahaleyi zorlaştırırken; Uluslararası Ağ ve Sanal Organizasyonlar Dergisi'nde yayımlanan yeni bir araştırma, bu alanda çığır açacak bir teknolojiyi ortaya koydu.KLAVYE TUŞLARINDAKİ DUYGUSAL İZLERAraştırmacılar, ‘Fossa Tabanlı Grafik Sinir Ağı’ (FbGNN) olarak adlandırılan yeni bir yapay zeka modeli geliştirdi. Bu sistem, hastaların klinik ortamdaki beyanlarına güvenmek yerine, sosyal medya platformlarında ve çevrimiçi forumlarda kullandıkları dili mercek altına alıyor.Model, sadece kelimeleri değil; cümle yapılarını, duygusal tonlamaları ve davranışsal ipuçlarını analiz ederek kişinin ruh halindeki sapmaları belirliyor.DOĞADAN İLHAM ALAN ALGORİTMASistemin başarısının arkasında iki temel hesaplama tekniği yatıyor:Fossa optimizasyonu: Doğadaki canlıların arama stratejilerinden ilham alan bu yöntem, metin içerisindeki gereksiz verileri filtreleyerek doğrudan zihinsel sıkıntıyı işaret eden kelime ve ifadelere odaklanıyor.Grafik sinir ağı (GNN): Bilgiyi düğümler ve bağlantılar şeklinde işleyen bu ağ, duygusal ifadelerin karmaşık kombinasyonlarını tespit ediyor.Bu iki teknolojinin birleşimi, sistemin depresyon, kaygı, bipolar bozukluk ve stres gibi durumları, bilinen örnek veriler üzerinde yüzde 99 doğrulukla tahmin etmesini sağladı.İŞ DÜNYASI VE SAĞLIK SİSTEMİ İÇİN FIRSATYüzde 99'luk bu doğruluk oranı, özellikle kalabalık çalışan grupları, öğrenciler veya risk altındaki topluluklar için hızlı ve etkili bir tarama mekanizması sunuyor. Sağlık hizmetlerinde kaynakların doğru yönlendirilmesini sağlayacak bu teknoloji, yüz kişiden sadece birini gözden kaçırma ihtimaliyle, geleneksel yöntemlere göre çok daha güvenilir bir ‘erken uyarı sistemi’ vaat ediyor. Uzmanlar, sistemin geliştirilmesiyle doğruluk oranının yüzde 100’e yaklaşabileceğini öngörüyor.