تشخیص بیماری روانی از روی صدا

به گزارش علمی نیوز و به نقل از Psychology Today یکی از رایج ترین ابزارهای تشخیصی که توسط پزشکان استفاده می شود، تشخیص الگو است . وقتی یک پزشک به طور مکرر بیمارانی را با دسته‌های علائم و نشانه‌های یکسان می‌بیند، و این بیماران مکرراً با همان بیماری تشخیص داده می‌شوند، منطقی است که فرض کنیم یک بیمار جدید که همان دسته از علائم و نشانه‌ها را نشان می‌دهد، بیماری مشابه بیماران قبلی دارد. پزشک یک الگو را تشخیص می دهد و نتیجه می گیرد.

اگرچه انسان ها در تشخیص الگوها بسیار خوب هستند، فناوری های جدید اغلب بسیار دقیق تر هستند. ابزارهای دقیقی را می توان برای شناسایی ناهنجاری هایی طراحی کرد که ممکن است برای چشم یا گوش انسان قابل درک نباشد اما همچنان می تواند نشان دهد که مشکلی در بیمار وجود دارد. در برخی موارد، این ناهنجاری ها حتی ممکن است به عنوان چیزی شناخته شده به عنوان نشانگر زیستی عمل کنند. برای استفاده از تعریفی که توسط یک گروه موسسه ملی سلامت در سال 2001 ایجاد شد، نشانگر زیستی «ویژگی است که به طور عینی به عنوان شاخصی از فرآیندهای بیولوژیکی طبیعی، فرآیندهای بیماری‌زا یا پاسخ‌های دارویی به یک مداخله درمانی اندازه‌گیری و ارزیابی می‌شود».

نشانگرهای زیستی قبلاً در چندین حوزه پزشکی استفاده می‌شوند (مثلاً بررسی قند خون ناشتا برای آزمایش دیابت)، اما نورولوژی و روانپزشکی هنوز به شدت به گزارش‌های خود بیماران وابسته هستند. هنگامی که بیمار احساس افسردگی و اضطراب می کند یا با مشکلات حافظه دست و پنجه نرم می کند ، این علائم را توصیف می کند. جایی وجود نداشته است که پزشک بتواند آنچه را که بیمار به آنها منتقل کرده است تأیید کند.

اما این ممکن است در حال تغییر باشد.

بیومارکرهای صوتی و روانپزشکی
فن‌آوری‌های جدیدی که از نرم‌افزار تجزیه و تحلیل صوتی به‌طور فزاینده‌ای استفاده می‌کنند، نشان داده‌اند که صدای بیماران ممکن است حاوی چندین نشانگر زیستی باشد که فراتر از محتوای گفتار بیمار است. این نباید تعجب آور باشد. وقتی یکی از عزیزان حال خوبی ندارد، معمولاً می توانید بگویید، حتی اگر تلفنی صحبت می کنید. در واقع، حتی در دهه 1920 ، محققان دریافتند که بیماران مبتلا به افسردگی تمایل به صحبت کردن آهسته‌تر، یکنواخت‌تر و با صدای کمتری نسبت به افراد سالم دارند. در همین حال، بیمارانی که آشفته‌تر هستند یا دوره‌های شیدایی یا هیپومانیک را تجربه می‌کنند ، در گفتار عصبانی‌تر هستند - آنها با نفس نفس زدن و اغلب با صدای بلند صحبت می‌کنند.

معیارهایی مانند زیر و بم، نرخ و بلندی صدا را می‌توان از طریق تلفن هوشمند برای ارزیابی وجود علائم افسردگی و همچنین شدت آن تجزیه و تحلیل کرد. در همین حال، شکستن صدا در حین صحبت کردن، صاف شدن گلو، افزایش گرفتگی صدا، و کاهش صدای صدا نیز با افزایش هورمون های استرس مانند کورتیزول مرتبط است که می تواند نشان دهنده افزایش اضطراب یا علائم مرتبط با اختلال استرس پس از سانحه باشد .

چیزی که شاید هیجان انگیزترین باشد فقط این نیست که فناوری به اندازه کافی پیشرفت کرده است تا تغییرات در صدا را تشخیص دهد و آنها را با تغییرات در سلامت روان فرد مرتبط کند. بلکه سطح دقتی است که این ابزارهای جدید قادر به دستیابی به آن هستند. در برخی موارد، آنها می توانند تغییراتی را در صدای بیماران تشخیص دهند که به قدری ظریف است که هیچ انسانی نمی تواند آنها را متوجه شود. علاوه بر این، این تغییرات ظریف تمایل دارند قبل از آشکار شدن کامل علائم یا بروز بحران رخ دهند و در نتیجه امکان مداخله زودهنگام را فراهم کنند.

برای بیماران مبتلا به بیماری های روانی شدید و پایدار مانند اختلال دوقطبی یا اسکیزوفرنی، این یک فناوری تغییر دهنده زندگی است.

بیومارکرهای صوتی و نورولوژی
به نظر می‌رسد فناوری‌های مشابهی در زمینه عصب‌شناسی قابل استفاده هستند، زیرا بیماران مبتلا به بیماری‌هایی مانند بیماری پارکینسون، بیماری آلزایمر و حتی مولتیپل اسکلروزیس تمایل به تغییر الگوهای گفتاری دارند. به عنوان یک مثال نسبتا واضح، افرادی که دچار اختلال عصبی شناختی خفیف می شوند یا وارد مراحل ابتدایی بیماری آلزایمر می شوند، در یافتن کلمه مشکل دارند، اما محققان همچنین دریافته اند که این افراد تعداد کلمات پرکننده را افزایش می دهند (به عنوان مثال، ام، اوه، er. ) در گفتار خود، گرامر و انتخاب کلمات خود را ساده کنید و آهسته تر صحبت کنید.

در مورد بیماری پارکینسون، بی نظمی هایی مانند تغییرات زیر و بم و بیان نادرست در حدود 78 درصد از بیماران در مراحل اولیه پیشرفت بیماری، اغلب قبل از آشکار شدن سایر علائم رخ می دهد. در بیماری ام اس، دیزآرتری (ضعف در عضلات مورد استفاده برای گفتار) به عنوان یک تظاهرات شایع و اولیه بیماری است، که نشان می دهد ارزیابی های کمی صوتی می تواند برای نظارت بر پیشرفت بیماری استفاده شود.

کاربردها و محدودیت های بالینی
از آنجایی که هوش مصنوعی در کلینیک رایج‌تر می‌شود و بیماران بیشتری به برنامه‌های سلامتی اعتماد می‌کنند، به نظر می‌رسد فناوری نظارت بر نشانگرهای زیستی صوتی نیز رایج‌تر شود. به جای درخواست از بیماران جدید برای پاسخ‌های کتبی در حین دریافت درمان ، ممکن است در عوض با استفاده از برنامه‌ای که گفتار آنها را تجزیه و تحلیل می‌کند، به صورت شفاهی پاسخ دهند. این کار را می توان در اتاق انتظار یا در آسایش خانه آنها انجام داد. سپس نتایج این تجزیه و تحلیل می تواند به پزشک منتقل شود.

به عنوان مثال دیگر، یک درمانگر ممکن است یک بیمار مبتلا به اختلال دوقطبی داشته باشد که از تجربه یک اختلال شیدایی آگاه نباشد - تغییراتی در رفتار، عاطفه یا شناختی که قبل از شروع کامل یک دوره شیدایی رخ می دهد - حتی اگر به طور فزاینده ای درگیر این اختلال باشد. رفتارهای مخاطره آمیز اگر پس از یک تماس تلفنی، یک جلسه، یا حتی بررسی روزانه با یک اپلیکیشن، درمانگر آنها از طریق تجزیه و تحلیل صوتی از ایجاد این علائم آگاه شود، درمانگر می تواند به طور بالقوه مداخله کند و بیمار را از انجام کاری بسیار بی پروا باز دارد، مانند آسیب رساندن به خود یا دیگران، دمیدن در حساب بانکی آنها، یا تخطی از قانون. علاوه بر این، درمانگر می‌تواند این کار را بدون نظارت دقیق بر رفتار بیمار و نقض بالقوه حریم خصوصی او انجام دهد.

مهم است که به یاد داشته باشید که این نوع فناوری و این نوع برنامه‌ها فقط ابزار هستند و آن ابزارها تنها زمانی مؤثر هستند که به درستی استفاده شوند. آنها مطمئناً می توانند به ما به عنوان پزشکان کمک کنند زیرا ما در تلاش برای ایجاد سریع ترین و دقیق ترین تشخیص برای هر بیمار هستیم. با این حال، آنها نمی توانند و نه هرگز نباید جایگزین قضاوت و تخصص یک پزشک با تجربه باشند.

در حال حاضر، این فناوری‌ها به دور از پذیرش در محیط‌های بالینی اصلی هستند و ادغام آنها مستلزم پذیرش متقابل بیمار و پزشک است.