यह पृष्ठ तुर्की से स्वचालित रूप से अनुवादित किया गया है। मूल पढ़ें

यह पृष्ठ 26वीं विश्व मनोरोग कांग्रेस में प्रस्तुत अध्ययन का कृत्रिम बुद्धिमत्ता की सहायता से तैयार किया गया तुर्की सारांश है। अध्ययन का स्वामित्व इसे प्रस्तुत करने वाले लेखकों के पास है; उद्धरण के लिए मूल स्रोत देखें।

EV1257

प्रमुख अवसादी विकार में सहवर्ती REM नींद व्यवहार विकार का पूर्वानुमान लगाने में बहु-मोडल कृत्रिम बुद्धिमत्ता

MULTIMODAL AI FOR PREDICTING COMORBID REM SLEEP BEHAVIOR DISORDER IN MAJOR DEPRESSIVE DISORDER

स्मार्टफ़ोन से रिकॉर्ड किए गए संक्षिप्त बोलने के कार्यों से प्राप्त चेहरे और आवाज़ की गतिशील विशेषताएँ, प्रमुख अवसादी विकार में सहवर्ती REM नींद व्यवहार विकार की पहचान 0,829 AUROC के साथ कर सकती हैं।

इस अध्ययन का उद्देश्य यह जाँचना है कि क्या स्मार्टफ़ोन की संक्षिप्त रिकॉर्डिंग से प्राप्त चेहरे और आवाज़ की गतिशील विशेषताएँ, वीडियो पॉलीसोम्नोग्राफ़ी (v-PSG) द्वारा पुष्ट सहवर्ती REM नींद व्यवहार विकार (REM sleep behavior disorder, RBD) वाले प्रमुख अवसादी विकार (major depressive disorder, MDD) के रोगियों को केवल MDD का निदान प्राप्त समतुल्य रोगियों से अलग पहचान सकती हैं और व्याख्या योग्य संभावित डिजिटल जैवचिह्न प्रस्तुत कर सकती हैं। 329 व्यक्तियों के नैदानिक कोहोर्ट में से विश्लेषण में शामिल 31 प्रतिभागियों (19 MDD के साथ RBD, 12 केवल MDD वाले नियंत्रण प्रतिभागी) की 10 सेकंड की 261 क्लिप का उपयोग किया गया; दृश्य शाखा ने HOG और चेहरे की क्रिया इकाई (action unit, AU) विशेषताओं को sLSTM के माध्यम से तथा श्रव्य शाखा ने OpenSMILE-आधारित ध्वनि विशेषताओं को MLP के माध्यम से संसाधित किया। लेट फ़्यूज़न (late fusion) द्वारा प्रतिभागी स्तर पर प्रायिकता उत्पन्न की गई और क्लिपों के बीच डेटा लीकेज रोकने के लिए प्रतिभागी स्तर पर पाँच-फ़ोल्ड क्रॉस-वैलिडेशन किया गया। पूर्ण मॉडल ने 0,829 AUROC, 80,5% सटीकता, 90,0% संवेदनशीलता (recall) और 0,848 F1 स्कोर दिया; औसत विशिष्टता 63,3% बताई गई। एकल-मोडल विश्लेषणों में सबसे प्रबल संकेत आवाज़ से मिला (सटीकता 74,9%, F1 0,696); केवल HOG ने क्रमशः 63,4% और 0,594, केवल चेहरे की क्रिया इकाइयों ने 70,2% और 0,650 तथा क्रिया इकाइयों और आवाज़ के संयोजन ने 77,4% और 0,738 के मान दिए। सर्वोत्तम प्रदर्शन बहु-मोडल पूर्ण मॉडल में प्राप्त हुआ। मॉडल द्वारा पूर्वानुमानित सहवर्ती RBD की प्रायिकता का RBDQ स्कोर से सांख्यिकीय रूप से महत्वपूर्ण सहसंबंध पाया गया (r = 0,53, p = 0,005), UPDRS के साथ संबंध केवल रुझान के स्तर पर रहा (r = 0,34, p = 0,067), जबकि BDI और HADS के साथ कोई स्पष्ट संबंध नहीं दिखा। अलग केंद्र, भाषा, उपकरण और प्रोटोकॉल वाले Guangzhou कोहोर्ट (n = 26) में किए गए बाह्य सत्यापन में केवल आवाज़ ने 77,7% सटीकता और 0,758 F1 दिया, जबकि HOG और क्रिया इकाइयों के संयोजन ने 69,3% और 0,674 दिए। SHAP विश्लेषण में चेहरे के निचले हिस्से और मुँह के आसपास तनाव तथा परिवर्तनशीलता (AU14, AU17, AU25, AU04), और स्वर की ऊँचाई की स्थिरता, MFCC-आधारित स्वर-गुण तथा सघोष/अघोष खंडों की अवधि जैसे ध्वनिक मापदंड प्रमुख रहे; इस बात पर बल दिया गया कि ये कारणात्मक तंत्र नहीं, बल्कि संभावित जैवचिह्न सुझाते हैं। निष्कर्षतः, इस विधि का उद्देश्य निदान का स्थान लेना नहीं, बल्कि MDD के रोगियों में लक्षित RBD मूल्यांकन को प्राथमिकता देना है; इसकी सीमाओं में छोटा और अनुप्रस्थ नमूना, अन्य नींद विकारों वाला तुलना समूह न होना, तथा दवाओं और नैदानिक भ्रमकारी कारकों का प्रभाव बने रहना शामिल हैं।

WCP 2026 के सभी सारांश