📅 سه‌شنبه ۲۴ شهریور ۱۴۰۵ | ۲۳:۱۶📂 روانپزشکی🆔 کد خبر: 11976✍️ خبرنگار: ستایش ایدی زاده ستایش ایدی زاده🖨 چاپ

غربالگری زودهنگام اختلال استرس پس از تروما (PTSD) از طریق تحلیل شبکه‌های اجتماعی

بررسی تشخیص PTSD با هوش مصنوعی و تحلیل شبکه‌های اجتماعی

استفاده از الگوریتم‌های هوش مصنوعی و یادگیری ماشین امکان شناسایی علائم زودهنگام مشکلات سلامت روان را از روی فعالیت‌های آنلاین کاربران فراهم کرده است. پژوهش جدید دانشمندان دانشگاه بیرمنگام (University of Birmingham) نشان می‌دهد که بررسی متون و پست‌های منتشرشده در شبکه‌های اجتماعی می‌تواند به عنوان ابزاری کارآمد برای غربالگری اولیه و شناسایی افراد در معرض خطر اختلال استرس پس از تروما (PTSD) عمل کند.

هوش مصنوعی چگونه علائم PTSD را در شبکه‌های اجتماعی تشخیص می‌دهد؟

در این مطالعه، پژوهشگران نزدیک به ۴ میلیون پست (توییت) در شبکه اجتماعی X (توییتر سابق) متعلق به افرادی که ابتلای خود به کووید-۱۹ را اعلام کرده بودند، مورد تحلیل قرار دادند. دانشمندان با به‌کارگیری مدل‌های یادگیری ماشین (از جمله الگوریتم SVM)، الگوی زبانی و کلمات کلیدی کاربران را بررسی کردند.

این سیستم با جستجوی نشانه‌های کلیدی PTSD، توانست با دقت ۸۳.۲۹ درصد افراد در معرض خطر را شناسایی کند. نشانه‌های مورد بررسی شامل موارد زیر بودند:

  • تجربه مجدد تروما (Re-experiencing): استفاده از واژه‌هایی نظیر کابوس، فلش‌بک، افکار مزاحم و حملات پانیک.

  • بیش‌برانگیختگی (Hyperarousal): کلمات مرتبط با بی‌پراوایی، گوش‌به‌زنگی (Hypervigilance)، تحریک‌پذیری و بی‌قراری.

  • رفتارهای اجتنابی (Avoidance): واژه‌ها و عبارات مرتبط با اجتناب از یادآوری خاطرات حادثه.

  • سایر نشانه‌های روانی: ابراز علائمی مانند اضطراب، افسردگی، افکار خودکشی، بی‌اشتهایی و خستگی مزمن.

اهمیت مداخلات زودهنگام در روان‌پزشکی و سلامت روان

ابتلا به بیماری‌های سخت مانند کووید-۱۹ می‌تواند به‌عنوان یک حادثه تروماتیک (آسیب‌زا) عمل کند و سلامت روان افراد را تا ماه‌ها و سال‌ها تحت تاثیر قرار دهد. شناسایی زودهنگام این افراد از طریق داده‌های دیجیتال به متخصصان اجازه می‌دهد پیش از مزمن شدن علائم، اقدامات درمانی و حمایت‌های روان‌شناختی لازم را آغاز کنند.

پژوهشگران امیدوارند با توسعه این فناوری‌ها و رعایت حریم خصوصی کاربران، بتوان از الگوریتم‌های هوشمند برای غربالگری و تشخیص زودهنگام سایر اختلالات روانی و جسمانی نیز در سطح جامعه استفاده کرد.

شناسنامه و منبع مقاله علمی

  • عنوان اصلی مقاله: Identifying COVID-19 survivors living with post-traumatic stress disorder through machine learning on Twitter

  • نویسندگان: Anees Baqir, Mubashir Ali, Shaista Jaffar, Mark Lee (دانشگاه بیرمنگام) و همکاران

  • مرجع و مجله: Scientific Reports (از مجموعه Nature) / بازنشر در وب‌سایت دانشگاه بیرمنگام و ScienceDaily

  • شماره ثبت مقاله (PMCID / DOI): 10.1038/s41598-024-69687-8

  • لینک دسترسی مستقیم به مقاله علمی: https://www.birmingham.ac.uk/news/2024/social-media-posts-may-provide-early-warning-of-ptsd-problems

اشتراگ گذاری

▼
X
Facebook
LinkedIn
Telegram
WhatsApp
Email
Pinterest

مطالب مرتبط

▼

ورزش، آرامش ذهن نوجوانان

پژوهشی تازه نشان می‌دهد فعالیت بدنی منظم می‌تواند با کاهش نشانه‌های اضطراب و افسردگی در نوجوانان ارتباط داشته باشد.
  ۱۴۰۵/۰۹/۰۱ ۰۲:۵۴

هوش مصنوعی جای درمانگر را می‌گیرد؟

گسترش هوش مصنوعی در سلامت روان، دسترسی به اطلاعات روان‌شناختی را آسان‌تر کرده است؛ اما چالش‌هایی مانند امنیت اطلاعات، پاسخ‌های نادرست و جایگاه درمانگران همچنان مطرح هستند.
  ۱۴۰۵/۰۸/۲۶ ۱۷:۱۲

ردپای تنهایی در رفتار کاربران

پژوهشی جدید نشان می‌دهد زمان فعالیت، نوع تعامل و محتوای نوشته‌های کاربران اینستاگرام می‌تواند با تنهایی عاطفی و اجتماعی ارتباط داشته باشد.
  ۱۴۰۵/۰۸/۱۸ ۲۳:۲۰

بی‌نظمی خواب و افت سلامت روان

پژوهشی گسترده نشان می‌دهد نظم خواب، فراتر از مدت استراحت شبانه، با خطر افسردگی و اضطراب ارتباط دارد.
  ۱۴۰۵/۰۸/۱۸ ۰۰:۱۹

مرز میان زندگی شخصی و کار

حق قطع ارتباط کاری به کارکنان اجازه می‌دهد پس از پایان ساعات رسمی اشتغال، بدون نگرانی پاسخگوی تماس‌ها و پیام‌های کاری نباشند.
  ۱۴۰۵/۰۸/۱۶ ۲۳:۵۹

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیشنهاد سردبیر/آموزش روانشناسی

▼
  • برگزیده‌ها
  • پربازدیدها
  • آخرین اخبار

دسته‌بندی‌ها

کلینیک روانشناسی افروغ
پیمایش به بالا