
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
Kunstmatige intelligentie kan depressie herkennen
Medisch expert van het artikel
Laatst beoordeeld: 02.07.2025

Waarom is depressie zo moeilijk te herkennen, vooral in de beginfase? Zijn er methoden om de diagnose te optimaliseren? Dit zijn de vragen die wetenschappers zich hebben gesteld.
Voordat een depressie kan worden vastgesteld, moet een arts een lastige klus klaren: alle mogelijke gegevens over de patiënt verzamelen, een volledig beeld schetsen van de pathologie, de persoonlijkheidskenmerken en de levensstijl van de persoon analyseren, mogelijke symptomen in kaart brengen en de oorzaken achterhalen die indirect van invloed kunnen zijn op de ontwikkeling van de ziekte. Wetenschappers van het Massachusetts Institute of Technology hebben een model ontworpen dat depressie bij een persoon kan vaststellen zonder specifieke testvragen te stellen, en dat uitsluitend gebaseerd is op gesprekskenmerken en schrijfstijl.
Zoals een van de leiders van het onderzoeksproject, Tuki Alhanai, uitlegt, kan de eerste "alarmbel" over de aanwezigheid van een depressie precies tijdens een gesprek met een patiënt afgaan, ongeacht de emotionele toestand van de persoon op dat moment. Om het diagnostisch model uit te breiden, is het noodzakelijk om het aantal beperkingen op de informatie te minimaliseren: er hoeft slechts een normaal gesprek te worden gevoerd, zodat het model de toestand van de patiënt tijdens een natuurlijk gesprek kan beoordelen.
De onderzoekers noemden het model dat ze creëerden 'contextvrij' omdat er geen beperkingen waren aan de gestelde vragen of de gehoorde antwoorden. Met behulp van een sequentiële modelleringstechniek voerden de onderzoekers het model in met tekst- en audioversies van gesprekken met patiënten met en zonder depressieve stoornissen. Naarmate de sequenties zich opstapelden, ontstonden er patronen – bijvoorbeeld de standaardinname van woorden als 'verdrietig', 'vallen' en monotone auditieve signalen in gesprekken.
"Het model herkent de verbale sequentie en evalueert de geleerde patronen als de meest waarschijnlijke factoren die aanwezig zijn bij patiënten met en zonder depressie", legt professor Alhanai uit. "Als de AI vervolgens vergelijkbare sequenties opmerkt bij volgende patiënten, kan hij hen diagnosticeren als depressief."
Teststudies toonden in 77% van de gevallen een succesvolle diagnose van depressie door het model aan. Dit is het beste resultaat van alle eerder geteste modellen die "werkten" met duidelijk gestructureerde tests en vragenlijsten.
Zijn experts van plan kunstmatige intelligentie in de praktijk te gebruiken? Zal het deel uitmaken van de basis van toekomstige modellen van 'slimme' assistenten? Wetenschappers hebben zich hierover nog niet uitgesproken.
Informatie over het onderzoek is gepubliceerd op de website van het Massachusetts Institute of Technology. Gedetailleerde informatie is ook te vinden op de pagina's http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf.
[ 1 ]