اختلال افسردگی اساسی (MDD) یک اختلال روانپزشکی شایع است که با بار قابل توجهی در مراقبت‌های بهداشتی در سراسر جهان همراه است. تشخیص دقیق و زودهنگام این اختلال می‌تواند به مدیریت بهتر بیماران و بهبود نتایج درمانی کمک کند. پژوهش حاضر، به بررسی استفاده از مدل‌های زبانی عصبی برای شناسایی نشانه‌های اختلال افسردگی اساسی از طریق تحلیل یادداشت‌های بالینی می‌پردازد. این روش، با استفاده از تکنیک نظارت غیرمستقیم، سعی در غلبه بر چالش کمبود داده‌های برچسب‌گذاری شده در حوزه متون پزشکی دارد.

این مقاله توسط گروهی از محققان به سرپرستی Bhavani Singh Agnikula Kshatriya، Nicolas A Nunez، Manuel Gardea-Resendez، Euijung Ryu، Brandon J Coombes، Sunyang Fu، Mark A Frye، Joanna M Biernacka و Yanshan Wang به رشته تحریر درآمده است. زمینه تحقیقاتی این گروه، در حوزه‌های پردازش زبان طبیعی (NLP)، هوش مصنوعی (AI) و بازیابی اطلاعات (Information Retrieval) است. تخصص این محققان در زمینه‌های مختلف، از جمله روانپزشکی، انفورماتیک زیستی و یادگیری ماشین، به آن‌ها امکان داده است تا به این مسئله پیچیده از زوایای مختلف نگاه کنند.

هدف اصلی این پژوهش، توسعه و ارزیابی یک روش مبتنی بر مدل‌های زبانی عصبی برای شناسایی نشانه‌های اختلال افسردگی اساسی از یادداشت‌های بالینی است. رویکرد پیشنهادی از تکنیک نظارت غیرمستقیم (Distant Supervision) استفاده می‌کند تا بر مشکل کمبود داده‌های آموزشی برچسب‌گذاری شده در حوزه متون پزشکی فائق آید. این تکنیک به مدل اجازه می‌دهد تا با استفاده از داده‌های بدون برچسب، دانش اولیه را کسب کرده و سپس با استفاده از یک مجموعه داده کوچکتر و با برچسب، برای وظیفه خاص شناسایی MDD، تنظیم شود.

در این مقاله، نویسندگان از مدل‌های زبانی پیشرفته مانند BERT (Bidirectional Encoder Representations for Transformers) استفاده می‌کنند. BERT یک مدل مبتنی بر ترانسفورمر است که می‌تواند از یک مجموعه داده متنی بدون نظارت، پیش‌آموزش داده شود و سپس برای وظایف خاص بهینه شود. این مدل به طور خاص در وظایف NLP عملکرد بسیار خوبی نشان داده است.

نتایج تجربی نشان می‌دهد که رویکرد پیشنهادی در شناسایی نشانه‌های MDD مؤثر است و مدل Bio-Clinical BERT، یک مدل BERT خاص برای داده‌های بالینی، در مقایسه با مدل‌های یادگیری ماشین سنتی، بهترین عملکرد را داشته است.

روش‌شناسی تحقیق شامل چندین مرحله کلیدی است:

• جمع‌آوری داده‌ها: جمع‌آوری یادداشت‌های بالینی از سوابق الکترونیکی سلامت (EHR). این داده‌ها شامل متن‌های آزاد نوشته شده توسط پزشکان و متخصصان مراقبت‌های بهداشتی است.
• پیش‌پردازش داده‌ها: تمیز کردن و آماده‌سازی داده‌ها برای آموزش مدل. این مرحله شامل حذف علائم نگارشی اضافی، تبدیل متن به حروف کوچک و سایر مراحل استاندارد پیش‌پردازش متن است.
• استفاده از نظارت غیرمستقیم: استفاده از یک منبع دانش خارجی (مانند یک واژگان پزشکی یا پایگاه دانش) برای ایجاد برچسب‌های خودکار برای داده‌های آموزشی. این برچسب‌ها ممکن است دقیق نباشند، اما به مدل کمک می‌کنند تا الگوهای مرتبط با MDD را در متن شناسایی کند. به عنوان مثال، اگر در یک یادداشت بالینی کلمه “افسرده” یا “بی‌انگیزه” وجود داشته باشد، به طور خودکار به عنوان مرتبط با MDD برچسب‌گذاری می‌شود.
• آموزش مدل‌های زبانی عصبی: آموزش مدل‌های BERT و Bio-Clinical BERT با استفاده از داده‌های برچسب‌گذاری شده به روش نظارت غیرمستقیم.
• ارزیابی مدل: ارزیابی عملکرد مدل‌ها با استفاده از یک مجموعه داده تست جداگانه که توسط متخصصان برچسب‌گذاری شده است. معیار‌های ارزیابی شامل دقت (Accuracy)، بازخوانی (Recall)، و امتیاز F1 است.

به طور خلاصه، محققان از یک روش ترکیبی استفاده کردند که شامل مدل‌های پیشرفته زبانی عصبی و تکنیک نظارت غیرمستقیم برای غلبه بر کمبود داده‌های برچسب‌گذاری شده بود. این رویکرد به آنها امکان داد تا مدلی را آموزش دهند که بتواند نشانه‌های MDD را به طور مؤثر از یادداشت‌های بالینی شناسایی کند.

یافته‌های کلیدی این پژوهش عبارتند از:

• مدل‌های زبانی عصبی، به ویژه Bio-Clinical BERT، در شناسایی نشانه‌های MDD از یادداشت‌های بالینی عملکرد بهتری نسبت به مدل‌های یادگیری ماشین سنتی دارند.
• تکنیک نظارت غیرمستقیم می‌تواند به طور مؤثر برای آموزش مدل‌های زبانی عصبی در وظایف NLP بالینی استفاده شود، حتی با وجود داده‌های آموزشی محدود.
• Bio-Clinical BERT، که به طور خاص برای داده‌های بالینی آموزش داده شده است، عملکرد بهتری نسبت به مدل BERT عمومی دارد، که نشان می‌دهد پیش‌آموزش بر روی داده‌های خاص دامنه می‌تواند به بهبود عملکرد کمک کند.
• این رویکرد می‌تواند به طور خودکار نشانه‌های MDD را از یادداشت‌های بالینی شناسایی کند، که می‌تواند به پزشکان در تشخیص زودهنگام و مدیریت بهتر بیماران کمک کند.

به عنوان مثال، مدل توانست جملاتی مانند “بیمار احساس ناامیدی و بی‌ارزشی می‌کند” یا “بیمار از اختلال در خواب و اشتها رنج می‌برد” را به عنوان نشانه‌های احتمالی MDD شناسایی کند.

این پژوهش دارای کاربردهای عملی و دستاوردهای مهمی است:

• تشخیص زودهنگام MDD: این مدل می‌تواند به پزشکان در تشخیص زودهنگام MDD کمک کند، که می‌تواند منجر به درمان سریع‌تر و بهبود نتایج درمانی شود.
• بهبود مدیریت بیماران: این مدل می‌تواند اطلاعات ارزشمندی در مورد نشانه‌های MDD در بیماران ارائه دهد، که می‌تواند به پزشکان در برنامه‌ریزی درمان و مدیریت بهتر بیماران کمک کند.
• کاهش بار مراقبت‌های بهداشتی: تشخیص زودهنگام و مدیریت بهتر MDD می‌تواند به کاهش بار مراقبت‌های بهداشتی مرتبط با این اختلال کمک کند.
• پیشرفت در NLP بالینی: این پژوهش نشان می‌دهد که مدل‌های زبانی عصبی و تکنیک نظارت غیرمستقیم می‌توانند به طور مؤثر برای وظایف NLP بالینی استفاده شوند، که می‌تواند به پیشرفت در این حوزه کمک کند.

این تحقیق نشان می‌دهد که استفاده از هوش مصنوعی و پردازش زبان طبیعی در حوزه پزشکی می‌تواند منجر به بهبود قابل توجهی در تشخیص و درمان بیماری‌ها شود.

در نتیجه، این مقاله نشان می‌دهد که مدل‌های زبانی عصبی با نظارت غیرمستقیم، ابزاری قدرتمند برای شناسایی نشانه‌های اختلال افسردگی اساسی از یادداشت‌های بالینی هستند. رویکرد پیشنهادی نه تنها عملکرد بهتری نسبت به مدل‌های سنتی دارد، بلکه می‌تواند بر مشکل کمبود داده‌های برچسب‌گذاری شده در حوزه متون پزشکی نیز فائق آید. این پژوهش، گامی مهم در جهت استفاده از هوش مصنوعی برای بهبود مراقبت‌های بهداشتی و مدیریت بیماری‌های روانی است. تحقیقات آینده می‌تواند به بررسی استفاده از این روش در سایر بیماری‌های روانپزشکی و همچنین بهبود عملکرد مدل‌ها از طریق استفاده از داده‌های بیشتر و تکنیک‌های پیشرفته‌تر بپردازد.