Czy sztuczna inteligencja będzie kiedyś potrafiła przewidzieć, jak człowiek będzie czuł się za kilka dni lub tygodni? Takie pytanie stawiają naukowcy z Northeastern University, którzy wykorzystują modele uczenia maszynowego do analizy ludzkich emocji. Choć badania znajdują się jeszcze na wczesnym etapie, eksperci wskazują, że technologia może w przyszłości odegrać ważną rolę w spersonalizowanej opiece psychiatrycznej, szczególnie w przypadku depresji i zaburzeń lękowych.
Projekt prowadzony przez Joshuę Curtissa, adiunkta psychologii stosowanej i badacza zdrowia psychicznego na Northeastern University, pokazuje, że modele AI mogą identyfikować wzorce emocjonalne i próbować przewidywać przyszłe stany psychiczne pacjentów. Zdaniem badaczy może to pomóc lekarzom szybciej reagować na pogorszenie samopoczucia oraz lepiej dostosowywać terapię do konkretnej osoby.
Z tego artykułu dowiesz się…
- Jak sztuczna inteligencja i uczenie maszynowe mogą przewidywać przyszłe emocje człowieka
- Dlaczego badacze widzą potencjał AI w spersonalizowanej opiece psychiatrycznej i leczeniu depresji oraz zaburzeń lękowych
- Jakie dane analizowały modele AI i które emocje okazały się najłatwiejsze do przewidywania
- Jakie są największe ograniczenia i wyzwania związane z prognozowaniem zdrowia psychicznego za pomocą algorytmów
AI analizuje emocje podobnie jak prognozy pogody
Joshua Curtiss porównuje przewidywanie emocji do prognoz meteorologicznych. Podobnie jak w przypadku pogody czy giełdy, modele uczenia maszynowego wykorzystują historyczne dane i próbują wykrywać powtarzające się schematy. Różnica polega jednak na tym, że ludzkie emocje są znacznie bardziej złożone i podatne na wpływ wielu czynników jednocześnie – zarówno biologicznych, społecznych, jak i środowiskowych.
Badacz podkreśla, że możliwość przewidywania emocji mogłaby dostarczyć nowych informacji o tym, w jaki sposób dana osoba doświadcza zaburzeń psychicznych, takich jak depresja czy zaburzenia lękowe. Dzięki temu możliwe byłoby wdrażanie bardziej proaktywnych działań terapeutycznych.
Jak przebiegało badanie?
Pilotażowe badanie objęło 34 osoby ze zdiagnozowanymi zaburzeniami emocjonalnymi. Uczestnicy byli proszeni o ocenę swoich emocji pięć razy dziennie przez dwa tygodnie. Oceniano cztery podstawowe stany emocjonalne:
- zadowolenie,
- radość,
- smutek,
- lęk.
Każda emocja była oceniana w siedmiostopniowej skali. Następnie dane zostały przekazane do sześciu różnych modeli uczenia maszynowego, które miały wykrywać wzorce i przewidywać przyszłe emocje uczestników. Wśród zastosowanych rozwiązań znalazły się między innymi:
- modele oparte na średnich wartościach emocji,
- modele analizujące korelacje między stanami emocjonalnymi,
- sieci neuronowe imitujące sposób przetwarzania danych przez ludzki mózg,
- modele zespołowe łączące wyniki kilku algorytmów.
Badacze porównywali przewidywania AI z rzeczywistymi emocjami raportowanymi przez uczestników badania.
Niektóre emocje AI przewiduje lepiej niż inne
Wstępne wyniki sugerują, że indywidualne modele były dokładniejsze niż uśrednione modele grupowe. Co ciekawe, różne algorytmy lepiej radziły sobie z przewidywaniem konkretnych emocji. W przypadku zadowolenia i radości najlepsze wyniki osiągały modele analizujące wcześniejsze doświadczenia uczestników. Z kolei dla smutku i lęku skuteczniejsze okazały się modele zespołowe, które łączyły dane z kilku różnych algorytmów. Badanie pokazuje również, że nie istnieje jeden uniwersalny model przewidywania emocji. To, co działa u jednej osoby, może okazać się nieskuteczne u innej.
Być może istnieją lepsze sposoby, dzięki którym moglibyśmy spersonalizować zdrowie psychiczne i lepiej zrozumieć jednostkę – powiedział Joshua Curtiss.
Personalizacja psychiatrii może być jednym z największych zastosowań AI
Eksperci zwracają uwagę, że obecne leczenie depresji czy zaburzeń lękowych często opiera się na schematach „one size fits all”. Tymczasem reakcje pacjentów na terapię, leki czy interwencje psychologiczne bywają bardzo różne. Zdaniem Curtissa modele predykcyjne mogłyby pomóc lekarzom lepiej rozumieć indywidualne mechanizmy wpływające na zdrowie psychiczne pacjentów. W praktyce mogłoby to oznaczać:
- wcześniejsze ostrzeganie przed pogorszeniem samopoczucia,
- sugerowanie określonych działań profilaktycznych,
- dostosowywanie terapii do indywidualnych wzorców emocjonalnych,
- identyfikację sytuacji zwiększających ryzyko kryzysu psychicznego.
Badacz wskazuje, że czasem wystarczyłoby nawet uprzedzenie pacjenta, że w najbliższych dniach może pojawić się większy poziom lęku lub obniżenia nastroju.
Dane ze smartfonów mogą pomóc przewidywać nastrój
Laboratorium Curtissa pracuje obecnie nad rozszerzeniem badań na większe grupy uczestników oraz dłuższe okresy obserwacji. Naukowcy analizują również możliwość wykorzystania danych pochodzących ze smartfonów i urządzeń ubieralnych. Badacze sprawdzają między innymi:
- poziom aktywności fizycznej,
- czas spędzany poza domem,
- wzorce snu,
- zachowania związane z codzienną rutyną.
Celem jest sprawdzenie, czy tego typu dane mogą poprawić skuteczność przewidywania zmian emocjonalnych.
Prognozowanie emocji nadal ma wiele ograniczeń
Choć wyniki badań są obiecujące, sami naukowcy podkreślają, że technologia wciąż znajduje się na etapie „proof of concept”, czyli potwierdzania samej możliwości działania. Jednym z największych wyzwań pozostaje ogromna liczba czynników wpływających na ludzkie emocje. Problemy zdrowotne, sytuacja zawodowa, relacje społeczne czy nagłe wydarzenia życiowe mogą całkowicie zmienić stan psychiczny człowieka.
Nie mam możliwości przewidzenia, czy ktoś otrzyma od lekarza informacje o stanie zdrowia za dwa miesiące. Nie mam możliwości sprawdzenia, czy ktoś za trzy tygodnie otrzyma frustrujące wieści dotyczące swojej pracy lub kariery – powiedział Curtiss.
Badacz przyznaje również, że modele nigdy nie będą w pełni doskonałe.
Nawet gdybym miał doskonałe informacje, naprawdę trudno jest przewidzieć takie rzeczy, ponieważ – podobnie jak w przypadku efektu motyla – niewielkie indywidualne różnice w nastroju lub emocjach danej osoby jednego dnia mogą prowadzić do bardziej chaotycznego, nieprzewidywalnego zachowania później – powiedział Curtiss.
Eksperci widzą w technologii duży potencjał
Pomimo ograniczeń badania wzbudzają duże zainteresowanie w środowisku psychiatrii i psychologii klinicznej.
Lepsze przewidywania tak naprawdę oznaczają lepszą opiekę – powiedział Don Robinaugh, adiunkt Northeastern University, który nie brał udziału w badaniu.
Ekspert podkreśla, że depresja i zaburzenia lękowe często mają bardzo indywidualne mechanizmy, dlatego standardowe podejścia terapeutyczne nie zawsze przynoszą oczekiwane efekty.
Praca Curtissa naprawdę uwzględnia tę złożoną rzeczywistość – powiedział Robinaugh.
Zdaniem badaczy przyszłość psychiatrii może w coraz większym stopniu opierać się na modelach predykcyjnych i analizie danych behawioralnych. Warunkiem pozostaje jednak odpowiedzialne wykorzystanie technologii, ochrona prywatności pacjentów oraz dalsza walidacja modeli AI.
AI może stać się nowym narzędziem wspierającym zdrowie psychiczne
Choć przewidywanie emocji przez sztuczną inteligencję może dziś brzmieć futurystycznie, badania pokazują, że technologia stopniowo zbliża się do możliwości wspierania bardziej spersonalizowanej psychiatrii. Eksperci podkreślają jednak, że AI nie ma zastępować terapeutów ani lekarzy. Jej rola mogłaby polegać przede wszystkim na wspieraniu diagnostyki, monitorowania stanu psychicznego oraz wcześniejszego identyfikowania ryzyka pogorszenia zdrowia psychicznego.
W dobie rosnącej liczby zaburzeń depresyjnych i lękowych takie rozwiązania mogą w przyszłości stać się jednym z ważnych elementów nowoczesnej opieki psychiatrycznej.
Główne wnioski
- Badanie prowadzone przez Joshuę Curtissa z Northeastern University analizuje możliwość przewidywania emocji człowieka przy użyciu modeli uczenia maszynowego i AI.
- Pilotaż objął 34 osoby z zaburzeniami emocjonalnymi, które przez dwa tygodnie oceniały swoje emocje pięć razy dziennie w siedmiostopniowej skali.
- Modele AI wykazały największą skuteczność w przewidywaniu radości, zadowolenia, smutku i lęku, przy czym różne algorytmy lepiej sprawdzały się dla różnych emocji.
- Eksperci podkreślają, że rozwój takich technologii może w przyszłości wspierać bardziej spersonalizowaną psychiatrię, wcześniejsze wykrywanie kryzysów psychicznych i lepsze dopasowanie terapii do pacjenta.
Źródło:
- https://news.northeastern.edu/2026/05/20/machine-learning-mental-health/
