AI Trung Quốc phát hiện dấu hiệu trầm cảm trước 4 năm, hé lộ cách não bộ 'báo trước' nguy cơ

Mô hình do nhóm nghiên cứu tại Đại học Thâm Quyến phát triển, tập trung phân tích cách não bộ của thanh thiếu niên phản ứng với các biểu cảm trên khuôn mặt. Theo nhóm nghiên cứu, việc xử lý cảm xúc theo hướng bất thường có thể là một tín hiệu cảnh báo sớm về nguy cơ trầm cảm trong tương lai.

MDD hiện ảnh hưởng tới hơn 332 triệu người trên toàn thế giới và được xem là một trong những rối loạn sức khỏe tâm thần khó điều trị. Việc phát hiện nguy cơ từ sớm có thể mở ra cơ hội triển khai các biện pháp can thiệp trước khi bệnh tiến triển nghiêm trọng.

AI tìm dấu hiệu trầm cảm qua cách não xử lý cảm xúc

Mô hình được xây dựng dựa trên dữ liệu từ 2 nghiên cứu lâm sàng về trầm cảm ở thanh thiếu niên tại nhiều quốc gia châu Âu.

Một trong những nghiên cứu này theo dõi người tham gia ở các độ tuổi 16, 19 và 23. Họ trải qua nhiều đợt đánh giá, bao gồm chụp cộng hưởng từ (MRI) não, xét nghiệm máu và trả lời bảng câu hỏi nhằm xác định các triệu chứng trầm cảm.

Trong quá trình nghiên cứu, những người tham gia được chụp MRI khi quan sát các khuôn mặt thể hiện 3 trạng thái cảm xúc gồm tức giận, vui vẻ và trung tính. Nhóm nghiên cứu tại Thâm Quyến sau đó phân tích hoạt động não để tìm mối liên hệ giữa cách xử lý cảm xúc và nguy cơ phát triển các vấn đề sức khỏe tâm thần.

Kết quả cho thấy những người có khả năng phân biệt biểu cảm khuôn mặt kém và có xu hướng diễn giải cảm xúc của người khác theo hướng tiêu cực có nguy cơ xuất hiện các triệu chứng trầm cảm và lo âu cao hơn khi trưởng thành.

Chẳng hạn, một người không mắc trầm cảm thường có khả năng nhận biết sự khác biệt giữa các biểu cảm và phản ứng tương ứng. Trong khi đó, người có xu hướng trầm cảm có thể khó nhận diện chính xác cảm xúc của người khác hoặc dễ diễn giải một biểu cảm trung tính thành dấu hiệu tức giận hay tiêu cực nhằm vào bản thân.

“Những phát hiện này cho thấy một cơ chế tiềm năng liên kết giữa tính dễ tổn thương về gene, sự thay đổi trong cách nhận thức cảm xúc và nguy cơ trầm cảm trong tương lai”, Lu Han, phó giáo sư tại Trường Trí tuệ nhân tạo thuộc Đại học Thâm Quyến, cho biết.

Nghiên cứu được công bố trong tháng này trên tạp chí Science Advances. Các tác giả cho rằng quá trình xử lý cảm xúc bất thường là một đặc điểm quan trọng của trầm cảm, khi người có nguy cơ mắc bệnh thường có xu hướng diễn giải hành vi của người khác theo hướng tiêu cực.

Mô phỏng cách não bộ nhận diện cảm xúc

Nghiên cứu đầu tiên, có tên Imagen, bắt đầu theo dõi một nhóm thanh thiếu niên tại 4 quốc gia châu Âu từ năm 2007, tập trung vào diễn biến các triệu chứng trầm cảm theo thời gian.

Dựa trên dữ liệu MRI, nhóm của ông Lu sử dụng deep learning để mô phỏng cách não bộ xử lý thông tin thị giác. Mô hình được thiết kế nhằm nhận diện cách não mã hóa những khái niệm cảm xúc trừu tượng, chẳng hạn như sự tức giận.

Các nhà khoa học phát hiện những người 19 tuổi có cách phản ứng với biểu cảm khuôn mặt bị lệch theo hướng tiêu cực hoặc liên hệ mạnh hơn với những ký ức tiêu cực là nhóm có nguy cơ phát triển MDD cao hơn khi 23 tuổi.

Nhóm nghiên cứu sau đó xây dựng một chỉ dấu dự báo dựa trên phát hiện này và kiểm chứng trên dữ liệu từ nghiên cứu thứ hai có tên Stratify.

Nghiên cứu Stratify tập trung phân biệt MDD với một số vấn đề sức khỏe tâm thần khác, trong đó có nghiện rượu, ăn uống vô độ và lạm dụng chất gây nghiện.

Trong số hơn 400 thanh thiếu niên mắc các dạng rối loạn khác nhau, nhóm gồm 134 người được chẩn đoán lâm sàng mắc MDD là những người cho thấy kết quả bất thường rõ rệt. Ngược lại, những người gặp các vấn đề như nghiện chất, chán ăn tâm thần hoặc chứng cuồng ăn có kết quả ít khác biệt so với nhóm không mắc rối loạn sức khỏe tâm thần.

Các nhà nghiên cứu cho rằng phát hiện này mở ra khả năng sử dụng cách não bộ phản ứng với biểu cảm khuôn mặt như một dấu hiệu sinh học để đánh giá nguy cơ MDD từ sớm.

Tuy nhiên, mô hình AI hiện vẫn chỉ ở giai đoạn nghiên cứu. Kết quả không đồng nghĩa với việc AI đã có thể chẩn đoán trầm cảm trong thực tế, mà cần được tiếp tục kiểm chứng trên các nhóm dân số lớn và đa dạng hơn trước khi có thể xem xét ứng dụng lâm sàng.

Theo SCMP