Un modello di intelligenza artificiale che combina dati vocali e attività cerebrale offre una diagnosi più accurata e promette di rivoluzionare il trattamento della depressione
La depressione, che colpisce circa 280 milioni di persone nel mondo, rappresenta una delle malattie mentali più diffuse e complesse da diagnosticare. Per rispondere a questa sfida, un team di ricercatori dell’Università Tecnologica di Kaunas (KTU) ha sviluppato un modello di intelligenza artificiale (IA) in grado di identificare la depressione analizzando contemporaneamente la voce e l’attività neurale del cervello. Questa metodologia multimodale, basata su due fonti di dati complementari, potrebbe rivoluzionare il modo in cui vengono effettuate le diagnosi di disturbi emotivi. L’approccio tradizionale si concentra solitamente su una sola tipologia di dati, ma il modello proposto dai ricercatori lituani si distingue per la capacità di combinare segnali vocali e attività cerebrale. Questo consente una diagnosi più accurata, raggiungendo un’impressionante accuratezza del 97,53%.
La voce come indicatore emotivo
Il modello sfrutta informazioni estratte dalla voce – come ritmo, intonazione ed energia – e dai segnali elettrici cerebrali registrati tramite elettroencefalogramma (EEG). La voce, infatti, rivela sfumature emotive che non possiamo ancora estrarre direttamente dall’attività cerebrale, sottolineano gli autori dello studio. A differenza di dati come le espressioni facciali, che possono essere manipolati, la voce offre inoltre una rappresentazione più autentica dello stato emotivo. Tuttavia, l’uso combinato di diverse fonti di dati garantisce una maggiore affidabilità. Nel dettaglio, i dati EEG sono stati raccolti e registrati per cinque minuti mentre i partecipanti erano svegli, a riposo e con gli occhi chiusi. Nella parte audio dell’esperimento, i pazienti hanno preso parte a una sessione di domande e risposte e a diverse attività incentrate sulla lettura e sulla descrizione di immagini, con l’obiettivo di catturare il loro linguaggio naturale e il loro stato cognitivo.
Un passo verso la diagnosi automatica
Il sistema trasforma, quindi, i segnali raccolti in immagini visualizzabili, utilizzando modelli avanzati di deep learning per classificare i pazienti come depressi o sani. Sebbene i risultati di accuratezza della diagnosi, come visto, siano promettenti, saranno necessarie ulteriori sperimentazioni cliniche per rendere il metodo applicabile su larga scala.
Un aspetto cruciale per il futuro sviluppo di questa tecnologia è la capacità dell’IA di spiegare le proprie decisioni in modo comprensibile. Questo approccio, noto come Explainable AI (XAI), sta acquisendo sempre più importanza in settori come la sanità, dove la trasparenza è essenziale per guadagnare la fiducia degli utenti.
L’innovazione sviluppata presso l’Università Tecnologica di Kaunas rappresenta un passo significativo verso diagnosi più rapide, accurate e accessibili, contribuendo a migliorare la gestione della depressione a livello globale.
