W ostatnich latach prawdziwy rozkwit popularności przeżywają sieci neuronowe. Zaczynają pojawiać się we wszystkich dziedzinach życia, a ich użycie ma ułatwiać nam codzienne funkcjonowanie. Przykładowo istnieją (także darmowe) aplikacje na smartfony, które mają za zadanie rozpoznawać, czy znamiona na naszej skórze nie okażą się jedną z form raka skóry[1]. Stan ten nie ominął też psychologii czy psychiatrii. Diagnoza w tych obszarach często może być niejednoznaczna lub problematyczna, dlatego nie dziwi, że naukowcy próbują wprowadzać nowe metody mające wspomagać rozpoznanie.
Czym właściwie są sieci neuronowe?
Sieci neuronowe to matematyczne modele analizujące dane na wejściu, przetwarzające je i dające wynik na wyjściu. Przykładowo do sytemu wprowadzamy obraz, a sieć przetwarza go i daje odpowiedź czy przedstawia on ludzką twarz. Proces uczenia może być automatyczny lub nadzorowany przez człowieka, jeśli problem nie jest zbyt skomplikowany. W założeniu sieci mają przypominać budowę mózgu, gdzie neurony pobudzają kolejne, te jeszcze dalsze itd. Pierwotnie sieci te działały na zasadzie „wszystko albo nic”, gdy sztuczny neuron mógł na wyjściu dać wynik 1 (pobudzić kolejny) lub 0 (co oznaczało brak pobudzenia). Dziś w większości sieci neuronowych wynik ten może być dowolną liczbą rzeczywistą w przedziale 0 do 1, co ma pozwolić na jeszcze efektywniejsze ich działanie. Najważniejszą ich właściwością jest to, że potrafią uczyć się same. W uproszczeniu wygląda to w ten sposób, że sieci dostarcza się dane wejściowe wraz z wyjściowymi, na podstawie których sieć określa wagę połączenia poszczególnych neuronów, zmieniając je, aż do osiągnięcia satysfakcjonującego wyniku. Proces ten nie wymaga nadzoru projektanta (może być także uczenie nadzorowane, ale to osobna kategoria), co powoduje, że człowiek nie musi rozumieć algorytmu stworzonego przez sieć. Może ona zwracać uwagę na rzeczy, które są dla ludzi niezrozumiale lub zbyt abstrakcyjne, co znacząco zwiększa jej wydajność. W trybie „pracy” sieć zwykle już nie zmienia swoich parametrów, a tylko podaje wynik.
Analiza wypowiedzi i neuorobrazowanie – dwie metody prowadzące do podobnych efektów
W 2015 oraz 2017 roku opublikowano dwa różne artykuły dotyczące przewidywania wystąpienia schizofrenii przez sieci neuronowe. Pierwsza sieć przewidywania opierała na automatycznej analizie języka[2], druga na obrazach fMRI[3].
W pierwszym badaniu brało udział 34 uczestników z grupy wysokiego ryzyka (rozwinięcia psychozy). Z każdym z uczestników przeprowadzany był około godzinny wywiad w języku angielskim, który następnie był transkrybowany na tekst przez badaczy. Teksty były następnie banalizowane przez sieć neuronową z uwzględnieniem semantyki (znaczenia) i syntaktyki (struktury). Taka analiza skutkowała przypisaniem każdemu badanemu m.in. współczynnika spójności semantycznej (jak bardzo badany trzymał się wybranego tematu) oraz właściwości syntaktycznych - długości zdań oraz użycia określników (ang. determiners). Przypisanych wartości było więcej, ale te wyżej podane, okazały się najważniejsze w późniejszej analizie w przewidywaniu rozwoju psychozy. Na tej podstawie sieć przewidywała, kto z badanych w ciągu 30 miesięcy rozwinie psychozę. Wszyscy uczestnicy byli następnie oceniani przez specjalistów co 3 miesiące przez okres 30 miesięcy. Wyniki okazały się zaskakujące – przewidywania sprawdziły się w 100%. Wszyscy uczestnicy wskazani jako ci, którzy rozwiną psychozę (5 osób), taką rozwinęli; natomiast wszyscy wskazani jako ci, którzy pozostaną zdrowi (29 osób), pozostali zdrowi. Osoby wskazane jako te, które rozwiną psychozę, w większości przypadków charakteryzowały się mniejszą spójnością semantyczną, krótszymi wypowiedziami oraz rzadszym użyciem określników. Ciekawy jest natomiast piąty przypadek, który nie spełnia tych kryteriów, natomiast rozwój choroby również został prawidłowo przewidziany. Na grafice obok[4], stworzonej przez autorów, widać jak prezentują się wyniki poszczególnych osób – osoby zaznaczone na czerwono rozwinęły psychozę, te zaznaczone na niebiesko pozostały zdrowe.
W drugim badaniu wykorzystano obrazy fMRI 95 uczestników z innego projektu, uczestnikami wcześniejszego projektu byli pacjenci ze schizofrenią lub zaburzeniami schizoafektywnymi oraz dopasowani do nich pod względem wieku i płci zdrowi uczestnicy. Skan mózgu uczestników wykonywany był w czasie wysłuchiwania przez nich bodźców akustycznych. Sieć neuronowa w tym przypadku skupiała się na ocenie połączeń między różnymi rejonami mózgu (ang. link-weight). Zadanie różniło się od poprzedniego tym, że sieć miała wskazać uczestników już chorujących, a nie przewidzieć przyszły rozwój choroby. Wynik uzyskany w tym badaniu nie jest tak spektakularny, jak w poprzednim, jednak wciąż jest znaczącym – w 74% przypadków sieć dobrze oceniła czy skany mózgu należą do uczestnika zdrowego czy chorego. Połączeniami mającymi największy wpływ na wyniki okazały się połączenia pomiędzy:
Mimo dobrych rezultatów obu badań należy zwrócić uwagę na ich ograniczenia. W pierwszym badaniu ograniczeniem jest mała oraz specyficzna grupa (ryzyka), co może uniemożliwić przeniesienie rezultatów na całą populację. W drugim badaniu pacjenci mieli już postawioną diagnozę, co czyni badanie na chwilę obecną użytecznym tylko po dalszym rozwoju sieci, który pozwoliłby przewidywać schizofrenię lub pomagać w przypadku wątpliwej diagnozy.
Nowa nadzieja czy mroczne widmo?
Podsumowując, sieci neuronowe będą w najbliższych latach wkraczać w dziedzinę psychologii i psychiatrii. Niosą ze sobą ogromną szansę na wczesną diagnozę i być może skuteczniejszą terapię lub nawet zapobieganie chorobie. Z drugiej strony pojawiają się również pytania, na które będziemy musieli sobie odpowiedzieć w niedługiej przyszłości – co zrobić z osobami, u których rozwój choroby jest nieunikniony, lecz nie umiemy jej zapobiec? Czy tych z małą szansą na wyleczenie oszacowaną przez sieć neuronową powinniśmy traktować tak jak tych z większą? Przed dylematami związanymi z rozwojem AI, stają nie tylko klinicyści, lecz także np. inżynierowie, lecz wygląda na to, że jak na razie nie doszli do konsensusu. Czy uda się to w psychologii? Miejmy nadzieję, że tak; choć być może będziemy musieli sięgnąć do początków jej historii, kiedy to nierozerwalnie była związana z filozofią.
Bibliografia:
[1]Kassianos, A.P., Emery, J.D., Murchie, P. and Walter, F.M. (2015), Smartphone applications for melanoma detection by community, patient and generalist clinician users: a review. Br J Dermatol, 172: 1507–1518. DOI: 10.1111/bjd.13665
[2] Gillinder Bedi, Facundo Carrillo, Guillermo A Cecchi, Diego Fernández Slezak, Mariano Sigman, Natália B Mota, Sidarta Ribeiro, Daniel C Javitt, Mauro Copelli, Cheryl M Corcoran. Automated analysis of free speech predicts psychosis onset in high-risk youths. NPJ Schizophrenia, 2015; 1: 15030 DOI: 10.1038/npjschz.2015.30
[3] M. Gheiratmand, I. Rish, G. A. Cecchi, M. R. G. Brown, R. Greiner, P. I. Polosecki, P. Bashivan, A. J. Greenshaw, R. Ramasubbu, and S. M. Dursun, Learning stable and predictive networkbased patterns of schizophrenia and its clinical symptoms, NPJ Schizophr, vol. 3, p. 22, 2017. DOI: 10.1038/s41537-017-0022-8
[4] Credit: NPJ; Schizophrenia and Cheryl Corcoran et al./Columbia University Medical Center; na licencji CC BY 4.0 https://creativecommons.org/licenses/by/4.0/deed.pl
|
|
|
|
|
|
