زمزمه شیزوفرنی : یادگیری ماشینی یافته‌ها را پیش‌بینی می‌کند که روش یادگیری ماشین ، سرنخی پنهان را در پیش‌بینی پیدایش بعدی بیماری جنون ، کشف می‌کند - - استفاده مکرر از کلمات مرتبط با صدا و صحبت با تراکم معنایی پایین ، یا ابهام - می‌تواند پیش‌بینی کند که آیا یک فرد در خطر بعدی با دقت ۹۳ درصد به جنون مبتلا خواهد شد یا خیر.
| صحبت میکروب ها با مغز | ترکیب سولفور ژنوم | مصرف مواد در کودکان | کج شدن تاو موش | زیست شناسان مصنوعی | یافته های جدید صرع |
اشتراک کامل : یک روش یادگیری ماشین ، سرنخی پنهان را در پیشگویانه زبان people's از ظهور بعدی جنون کشف کرد - - استفاده مکرر از کلمات مرتبط با صدا . مقاله‌ای که توسط مجله npj Schizophrenia منتشر شد ، یافته‌های دانشمندان در دانشگاه اموری و دانشگاه هاروارد را منتشر کرد .
پژوهشگران همچنین یک روش یادگیری ماشین جدید را برای تعیین دقیق‌تر میزان غنای معنایی زبان محاوره‌ای ، یک شاخص شناخته‌شده برای روان‌پریشی ، توسعه دادند .
نتایج آن‌ها نشان می‌دهد که تجزیه و تحلیل خودکار دو متغیر زبانی - - بیشتر استفاده مکرر از کلمات مرتبط با صدا و صحبت با تراکم معنایی پایین ، یا ابهام - می‌تواند پیش‌بینی کند که آیا یک فرد در معرض خطر بعدا ً جنون را با ۹۳ درصد دقت توسعه خواهد داد .
حتی پزشکان متخصص بالینی متوجه نشده اند که چگونه افراد در معرض خطر جنون از کلمات بیشتری در ارتباط با صدا استفاده می‌کنند ، اگرچه درک غیر عادی شنوایی یک نشانه از پیش بالینی است .
Neguine Rezaii ، نویسنده اول این مقاله ، می‌گوید : " تلاش برای شنیدن این subtleties در گفتگوها با مردم مانند تلاش برای دیدن میکروب‌های میکروسکوپی با چشم‌های شما است . It's به عنوان یک میکروسکوپ برای نشانه‌های هشدار از جنون ، شروع به کار بر روی کاغذ کرد در حالی که او یکی از ساکنان دانشکده پزشکی رشته رشته رشته روانشناسی و علوم رفتاری بود . او اکنون در دانشکده عصب‌شناسی دانشکده پزشکی هاروارد مشغول به کار است .
نویسنده ارشد ، فیلیپ ولف ، استاد روانشناسی در اموری می‌گوید : " قبلا ً می‌دانستیم که ویژگی‌های ظریف جنون در آینده در زبان people's وجود دارند ، اما ما از یادگیری ماشین برای کشف جزئیات پنهان در مورد آن ویژگی‌ها استفاده کرده‌ایم . " آزمایشگاه Wolff's بر روی معناشناسی زبان و یادگیری ماشین برای پیش‌بینی وضعیت تصمیم‌گیری و سلامت روانی تمرکز دارد .
الین واکر ، یکی از استادان دانشگاه اموری و علوم اعصاب ، می‌گوید : " یافته‌های ما جدید است و به شواهد نشان می‌دهد که پتانسیل استفاده از یادگیری ماشین برای شناسایی ناهنجاری‌های زبانی مرتبط با بیماری‌های روانی وجود دارد . "
ظهور شیزوفرنی و دیگر اختلالات روانی معمولا ً در اوایل دهه ۲۰ اتفاق می‌افتد ، با علائم هشدار دهنده - - که به عنوان سندرم prodromal شناخته می‌شود - - که در حدود ۱۷ سالگی شروع می‌شود . حدود ۲۵ تا ۳۰ درصد از جوانانی که با معیارهای سندروم prodromal آشنا می‌شوند ، شیزوفرنی یا اختلال روانی دیگر را ایجاد خواهند کرد .
با استفاده از مصاحبه‌های ساختار یافته و آزمون‌های شناختی ، پزشکان آموزش‌دیده می‌توانند روان‌پریشی را با حدود ۸۰ درصد دقت در افراد مبتلا به سندرم prodromal پیش‌بینی کنند . تحقیقات یادگیری ماشین در میان تلاش‌های مداوم برای ساده کردن روش‌های تشخیصی ، شناسایی متغیرهای جدید ، و بهبود دقت پیش‌بینی‌ها است .
در حال حاضر ، هیچ درمانی برای جنون وجود ندارد .
واکر می‌گوید : " اگر بتوانیم افرادی را شناسایی کنیم که قبلا ً در معرض خطر قرار دارند و از مداخلات پیشگیرانه استفاده می‌کنند ، ممکن است بتوانیم کسری را معکوس کنیم .
| فقدان اطلاعات | مقاومت به نماتد | مقاومت ژنوتیپ های سویا | نقش نورون ها در ایمنی بدن | شن های بازی کودکان و فواید آن | آموزش مسائل زناشویی و اهمیت آن در زندگی مشترک |