كشف باحثون من بريطانيا وألمانيا عن تطوير نموذج متقدم قادر على فهم المشاعر وتحليلها، بهدف دعم الأطباء في تشخيص الاضطرابات النفسية بدقة أعلى وفي مراحل مبكرة من المرض.
وأوضح فريق بحثي من جامعتي نوتنغهام البريطانية و«كيل» الألمانية،أن تحسين أدوات الكشف المبكر عن الاضطرابات النفسية قد يمكّن من التدخل العلاجي السريع قبل تفاقم الحالة، بما ينعكس على جودة الرعاية الصحية المقدمة للمرضى.
وتشمل الاضطرابات النفسية طيفاً واسعاً من الحالات التي تؤثر في التفكير والمشاعر والسلوك، مثل الاكتئاب والقلق واضطرابات المزاج والشخصية والفصام، وهي حالات قد تعيق قدرة الأفراد على ممارسة حياتهم اليومية بشكل طبيعي والتفاعل الاجتماعي.
ويعتمد النموذج الجديد، الذي أطلق عليه اسم “Emo-MHC”، على تقنيات التعلم الآلي والتعلم العميق لتحليل نصوص متعددة المصادر، تشمل ملاحظات الأطباء ومنشورات وسائل التواصل الاجتماعي والمنتديات الإلكترونية، بهدف تصنيف الحالات النفسية بدقة وسرعة أعلى مقارنة بالأنظمة التقليدية.
وأشار الباحثون إلى أن العديد من النماذج المستخدمة حالياً في تصنيف الصحة النفسية تعتمد على معالجة اللغة الطبيعية والتعلم الآلي، إلا أنها غالباً ما تستند إلى تقييمات ذاتية واختبارات سريرية معيارية، ما قد يؤدي إلى فجوات في التشخيص أو تجاهل جوانب عاطفية مهمة لدى المرضى.
ويتميز النموذج الجديد بقدرته على تحليل المشاعر بشكل أكثر دقة عبر مرحلتين أساسيتين؛ الأولى تتعلق باستخراج الانفعالات من النصوص باستخدام تقنيات متقدمة للتعرف على المشاعر، بينما تعتمد المرحلة الثانية على التحليل القائم على القواميس اللغوية لفهم السياق العاطفي للكلمات بشكل أعمق.
ويرى الباحثون أن تحسين دقة التشخيص في المراحل المبكرة يمكن أن يسهم في توفير رعاية أكثر فاعلية للمرضى، إلى جانب تخفيف الضغط على الأنظمة الصحية وتسريع حصول المرضى على العلاج المناسب في الوقت المناسب.
وفي هذا السياق، قالت الدكتورة سانجيتا، الباحثة المشاركة من University of Kiel، إن معدلات اضطرابات الصحة النفسية في تزايد مستمر، ما يجعل الحاجة إلى أدوات دقيقة للكشف المبكر أكثر إلحاحاً من أي وقت مضى.
وأضافت أن تقنيات الذكاء الاصطناعي والنماذج اللغوية الكبيرة تمتلك إمكانات واعدة لدعم المرضى ومقدمي الرعاية الصحية، مشيرة إلى أن رفع دقة التشخيص قد ينعكس بشكل مباشر على إنقاذ الأرواح وتقليل الأعباء على الأنظمة الصحية.
ويعمل فريق البحث حالياً على مواصلة تطوير النموذج وتحسين قدراته، إلى جانب دراسة إمكانية تطبيقه عملياً على نطاق أوسع لخدمة شريحة أكبر من المرضى الذين يعانون من اضطرابات الصحة النفسية.
Researchers from Britain and Germany have revealed the development of an advanced model capable of understanding and analyzing emotions, aimed at supporting doctors in diagnosing mental disorders with greater accuracy and at earlier stages of the illness.
A research team from the University of Nottingham in Britain and the University of Kiel in Germany explained that improving early detection tools for mental disorders could enable rapid therapeutic intervention before the condition worsens, which would reflect positively on the quality of healthcare provided to patients.
Mental disorders encompass a wide range of conditions that affect thinking, emotions, and behavior, such as depression, anxiety, mood disorders, personality disorders, and schizophrenia. These conditions can hinder individuals' ability to lead their daily lives normally and engage socially.
The new model, named “Emo-MHC,” relies on machine learning and deep learning techniques to analyze texts from multiple sources, including doctors' notes, social media posts, and online forums, with the aim of classifying mental health conditions more accurately and quickly compared to traditional systems.
The researchers noted that many of the models currently used in mental health classification rely on natural language processing and machine learning; however, they often depend on subjective assessments and standardized clinical tests, which may lead to diagnostic gaps or overlook important emotional aspects of patients.
The new model is characterized by its ability to analyze emotions more accurately through two main stages: the first involves extracting sentiments from texts using advanced emotion recognition techniques, while the second relies on dictionary-based analysis to understand the emotional context of words more deeply.
The researchers believe that improving diagnostic accuracy at early stages can contribute to providing more effective care for patients, in addition to alleviating pressure on healthcare systems and speeding up patients' access to appropriate treatment in a timely manner.
In this context, Dr. Sangeeta, a co-researcher from the University of Kiel, stated that the rates of mental health disorders are continuously increasing, making the need for precise early detection tools more urgent than ever.
She added that artificial intelligence techniques and large language models have promising potential to support patients and healthcare providers, noting that enhancing diagnostic accuracy could directly impact saving lives and reducing burdens on healthcare systems.
The research team is currently working on continuing to develop the model and improve its capabilities, as well as studying the possibility of applying it practically on a broader scale to serve a larger segment of patients suffering from mental health disorders.
