Desde la izquierda, Ermal Toto, Elke Rundensteiner y ML Tlachac. Cr\u00e9dito: Instituto Polit\u00e9cnico de Worcester <\/p>\n
Un grupo de investigadores dirigido por Elke Rundensteiner ha desarrollado una tecnolog\u00eda muy eficaz que analiza las grabaciones de voz en busca de signos de depresi\u00f3n, un avance importante que podr\u00eda alertar a los m\u00e9dicos y otros profesionales cl\u00ednicos sobre las personas que necesitan ayuda. <\/p>\n
Representaciones de codificador bidireccional asistidas por audio de transformadores (AudiBERT), el sistema desarrollado por los investigadores, aprovecha las palabras que usa un orador, as\u00ed como el tono del orador, dice Rundensteiner, profesor de ciencias inform\u00e1ticas de William Smith Dean y director fundador de WPI Programa de ciencia de datos.<\/p>\n
\u00abLos m\u00e9dicos pueden detectar la depresi\u00f3n y otras enfermedades mentales seg\u00fan el contenido y el tono de las entrevistas con los pacientes\u00bb, dice Rundensteiner. \u00abCon t\u00e9cnicas de ciencia de datos de aprendizaje profundo, hemos desarrollado una tecnolog\u00eda digital que examina las palabras y el tono de un hablante en busca de signos de depresi\u00f3n. Si se implementa ampliamente, esta herramienta podr\u00eda expandir dr\u00e1sticamente la evaluaci\u00f3n de la salud mental a bajo costo\u00bb.<\/p>\n
La innovaci\u00f3n de los investigadores fue seleccionada para su presentaci\u00f3n en noviembre de 2021 en la Conferencia de la Asociaci\u00f3n de Maquinaria de Computaci\u00f3n sobre Gesti\u00f3n de la Informaci\u00f3n y el Conocimiento, donde recibi\u00f3 el Premio a la Mejor Investigaci\u00f3n Aplicada. Los autores son Rundensteiner; Ermal Toto ’20 (Ph.D.), anteriormente estudiante de posgrado en ciencias de la computaci\u00f3n con Rundensteiner y ahora subdirectora de computaci\u00f3n de investigaci\u00f3n acad\u00e9mica de WPI; y ML Tlachac, Ph.D. estudiante en ciencia de datos con Rundensteiner. Tlachac ha aceptado un puesto como profesor asistente en la Universidad de Bryant.<\/p>\n
AudiBERT se basa en el trabajo anterior de los investigadores sobre la viabilidad de usar el aprendizaje autom\u00e1tico para analizar muestras de voz y otros datos digitales de tel\u00e9fonos inteligentes y redes sociales y en detecci\u00f3n de depresi\u00f3n basada en audio como una forma de abordar los problemas sociales de la depresi\u00f3n y los recursos limitados de salud mental. En el centro de la investigaci\u00f3n est\u00e1 la idea de que la voz de una persona puede revelar problemas ocultos.<\/p>\n
\u00abSi una persona est\u00e1 deprimida, su tono de voz se vuelve mon\u00f3tono\u00bb, dice Toto. \u00abSu voz puede temblar o temblar un poco. Los m\u00e9dicos capacitados pueden detectar intuitivamente estas variables durante las conversaciones. Ahora podemos automatizar la detecci\u00f3n en la voz humana a trav\u00e9s de modelos de aprendizaje autom\u00e1tico\u00bb.<\/p>\n
AudiBERT tambi\u00e9n aborda un Desaf\u00edo cr\u00edtico de investigaci\u00f3n: existen relativamente pocos conjuntos de datos de voz que hayan sido etiquetados como indicadores de depresi\u00f3n. Esto limita la cantidad de datos disponibles para entrenar modelos de aprendizaje profundo, un tipo de aprendizaje autom\u00e1tico que analiza autom\u00e1ticamente datos digitales sin procesar para producir un modelo que pueda hacer predicciones. Por lo general, m\u00e1s datos conducen a mejores modelos.<\/p>\n
\u00abLas tecnolog\u00edas de grabaci\u00f3n de voz est\u00e1n en todas partes, desde nuestros tel\u00e9fonos inteligentes hasta los asistentes digitales para el hogar, pero las preocupaciones sobre la privacidad de las grabaciones significan que es dif\u00edcil encontrar grandes conjuntos de datos de voz que etiqueten las palabras habladas\u00bb. como signos de enfermedades mentales\u00bb, dice Tlachac. \u00abNos propusimos innovar una soluci\u00f3n de detecci\u00f3n de depresi\u00f3n que pudiera ser entrenada, incluso utilizando peque\u00f1os conjuntos de datos. Adem\u00e1s, quer\u00edamos demostrar que la voz es una modalidad excelente para la detecci\u00f3n\u00bb.<\/p>\n
Para evaluar AudiBERT, los investigadores experimentaron con 15 conjuntos de datos de voz que consist\u00edan en entrevistas cl\u00ednicas en las que un agente virtual les hac\u00eda a los pacientes diferentes preguntas como \u00ab\u00bfC\u00f3mo est\u00e1s hoy?\u00bb Los conjuntos de datos se etiquetaron con puntajes que indicaban el estado de depresi\u00f3n de cada participante seg\u00fan un cuestionario de detecci\u00f3n de depresi\u00f3n cl\u00ednica. Los investigadores descubrieron que AudiBERT mostr\u00f3 la capacidad de detectar con precisi\u00f3n la depresi\u00f3n en las grabaciones de voz.<\/p>\n
Rundensteiner est\u00e1 entusiasmado con el potencial de esta prometedora tecnolog\u00eda de detecci\u00f3n no intrusiva. Los m\u00e9dicos podr\u00edan implementar AudiBERT para la detecci\u00f3n universal de la salud mental y para monitorear a los pacientes deprimidos a lo largo del tiempo en busca de se\u00f1ales de salud mental, seg\u00fan los investigadores. Imaginan el d\u00eda en que un paciente que visite el consultorio de un m\u00e9dico y complete un cuestionario de salud en una tableta de computadora pueda ser examinado sin problemas para detectar problemas de salud mental.<\/p>\n
\u00abEsta es una tecnolog\u00eda con el potencial para una sociedad muy alta impacto\u00bb, dice Rundensteiner. \u00abAl expandir la detecci\u00f3n, esto podr\u00eda marcar una diferencia positiva en la vida de las personas\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Los investigadores mejoran la IA que puede saber si est\u00e1 deprimido a partir de su voz Proporcionado por el Instituto Polit\u00e9cnico de Worcester Cita<\/strong>: Los investigadores desarrollan una tecnolog\u00eda novedosa para detectar la depresi\u00f3n en las grabaciones de voz (2022, 26 de abril) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-04-technology-screen-voice-depression.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Desde la izquierda, Ermal Toto, Elke Rundensteiner y ML Tlachac. Cr\u00e9dito: Instituto Polit\u00e9cnico de Worcester Un grupo de investigadores dirigido por Elke Rundensteiner ha desarrollado una tecnolog\u00eda muy eficaz que analiza las grabaciones de voz en busca de signos de depresi\u00f3n, un avance importante que podr\u00eda alertar a los m\u00e9dicos y otros profesionales cl\u00ednicos sobre … Continuar leyendo \u00abInvestigadores desarrollan tecnolog\u00eda novedosa para analizar grabaciones de voz en busca de depresi\u00f3n\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-11634","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11634","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=11634"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11634\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=11634"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=11634"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=11634"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}