|
|
امروز: جمعه ۰۲ آذر ۱۴۰۳ - ۰۹:۳۰
کد خبر: ۱۴۳۰۳۲
تاریخ انتشار: ۰۶ بهمن ۱۳۹۵ - ۰۹:۲۹
چارلز مرمر به مدت 40 سال روانپزشک بوده اما با استفاده از روش‌های قدیمی هنوز هم نمی‌تواند اختلال استرس پس از سانحه (PTSD) را با دقت 100 درصد تشخیص دهد.
محققان امیدوارند از الگوهای آوایی افراد در جهت تشخیص اختلال استرس پس از سانحه(PTSD) و یا حتی بیماری قلبی استفاده کنند.

 به نقل از technologyreview، محققان به دنبال این هستند که از گوشی‌های هوشمند و یادگیری ماشینی(الگوریتم) برای پیدا کردن الگوهای آوایی در جهت تشخیص اختلال استرس پس از سانحه(PTSD) و یا حتی بیماری قلبی کمک بگیرند.

چارلز مرمر به مدت 40 سال روانپزشک بوده اما با استفاده از روش‌های قدیمی هنوز هم نمی‌تواند اختلال استرس پس از سانحه (PTSD) را با دقت 100 درصد تشخیص دهد.

وی اظهار کرد که اگر یک رزمنده جنگی به دفتر من مراجعه کند و به دلیل خجالت و یا هر دلیل دیگری از گفتن حقایقی در مورد مشکلاتPTSD  خودداری کند، تشخیص وضعیت و مشکل او مطمئنا سخت خواهد بود.

این روانپزشک که رئیس بخش روانپزشکی در مرکز پزشکی لانگون دانشگاه نیویورک است، امیدوار است که بتواند پاسخ سوالات خود را از صحبت و صدای شخص مراجعه کننده دریابد.

نمونه صدای یک منبع غنی از اطلاعات در مورد سلامتی فرد بوده و محققان بر این باورند که نشانه‌های صوتی ظریف می‌تواند زمینه‌ای از بیماری‌ها و یا خطر ابتلا به بیماری را نشان دهند.

آنها امیدوارند که بتوان در چند سال آینده، از راه دور و با استفاده از گوشی‌های هوشمند و دیگر ابزارهای پوشیدنی بر وضعیت سلامتی فرد نظارت کرد.

این کار را می‌توان از طریق ضبط نمونه‌های گفتار کوتاه مدت و تجزیه و تحلیل آنها برای نشانگرهای زیستی بیماری انجام داد.

برای اختلالات روانی مانند PTSDهیچ آزمایش خونی وجود نداشته و مردم اغلب از صحبت کردن در مورد وضعیت خود خجالت می‌کشند. بنابراین این شرایط اغلب غیرقابل تشخیص باقی می‌ماند.

بنابراین در این مورد آزمون‌های آوایی می‌تواند مفید واقع شود.

به عنوان بخشی از یک مطالعه پنج ساله، مرمر نمونه‌های صوتی جانبازان را جمع آوری کرده و نشانه‌های صوتی مانند تن صدا، زیر و بمی صدا، ریتم، سرعت و حجم آن را برای یافتن نشانه‌هایی از آسیب‌های نامرئی مانند  PTSD، آسیب های مغزی (TBI) و افسردگی مورد بررسی قرار داد.

وی از فناوری یادگیری ماشینی برای یافتن ویژگی‌هایی در صدا و یک الگوریتم برای انتخاب کردن الگوهای آوایی در افراد مبتلا به این شرایط و مقایسه آنها با نمونه‌های صوتی افراد سالم استفاده کرد.

به عنوان مثال، افراد مبتلا به مشکلات روانی یا شناختی صداهای خاصی را به صورت کشیده و طولانی ادا کرده یا در تلفظ عباراتی که نیاز به حرکات ماهیچه‌های صورت دارد دچار مشکل می‌شوند.

مرمر با همکاری محققان در کمپانی تحقیقاتی SRI International ( یک موسسه تحقیقاتی غیرانتفاعی در شمال کالیفرنیا)، قادر به یافتن مجموعه‌ای از 30 ویژگی آوایی شد که به نظر می‌رسد از میان 40 هزار ویژگی که از صدای جانبازان گرفته شده بود، در ابتلا به PTSD و TBI در ارتباط است.

در نتایج اولیه که در سال 2015 ارائه شده، یک آزمایش آوایی که توسط مرمر و تیمش توسعه یافته با موفقیت 77 درصدی توانست با دقت بین افراد مبتلا به PTSD و افراد سالم در یک پژوهش 39 نفره تمایز قائل شود.

از آن پس مرمر به جمع آوری صداهای بیشتری پرداخت و با همکارانش به شناسایی الگوهای گفتاری که می‌تواند بین PTSD و TBI تمایز قائل شود نزدیک‌تر شدند.

به باور این دانشمند تشخیص‌های پزشکی و روانپزشکی زمانی دقیق‌تر خواهد بود که ما به مقادیر زیادی از داده‌های بیولوژیکی و روانی، از جمله ویژگی های گفتاری دسترسی داشته باشیم.

امید است که یک روز بتوان با استفاده از این فناوری بیماری افراد را از راه دور و تنها با استفاده از نمونه‌های صدای آنها درمان کرد.
ارسال نظر
نام:
ایمیل:
* نظر:
اخبار روز
ببینید و بشنوید
آخرین عناوین