Ο χρήστης εισάγει ένα κείμενο και ο αλγόριθμος ανιχνεύει πιθανές διαταραχές, κατατάσσοντάς τις σε 4 κατηγορίες. Ο επ.καθηγητής στο Πανεπιστήμιο του Linkoln, Χ. Φραντζίδης, εξηγεί .
Ως μια ενεργή διαδικασία ανάπλασης και ανανέωσης του οργανισμού, ο ποιοτικός νυχτερινός ύπνος παίζει καθοριστικό ρόλο στην σωματική και ψυχική υγεία και ευεξία. Διαταραχές που επηρεάζουν την ποιότητα, την ποσότητα και τον χρονισμό του ύπνου μπορούν να έχουν επίπτωση στην υγεία και στην δυνατότητά μας να ανταποκριθούμε με επάρκεια στις απαιτήσεις της καθημερινότητας. Συχνά μια διαταραχή ύπνου παραμένει αδιάγνωστη, καθώς κάποιες ενδείξεις κατά το πρωινό ξύπνημα αγνοούνται και δεν λαμβάνουν τη δέουσα προσοχή.
Ο επίκουρος καθηγητής Πληροφορικής και Μηχανικής Μάθησης στο Τμήμα Μηχανικής και Φυσικών Επιστημών (School of Engineering and Physical Science) του Πανεπιστημίου του Linkoln, Χρήστος Φραντζίδης (φωτογραφία), με πολυετή επιστημονική έρευνα στη φυσιολογία του ύπνου, αξιοποίησε τις δυνατότητες της Τεχνητής Νοημοσύνης, και συγκεκριμένα την τεχνολογία της επεξεργασίας φυσικής γλώσσας, για να δημιουργήσει έναν καινοτόμο αλγόριθμο αναγνώρισης πιθανών διαταραχών ύπνου. Ο χρήστης πληκτρολογεί ένα μικρό κείμενο στην εφαρμογή του υπολογιστή, περιγράφοντας τον ύπνο του, πιθανά συμπτώματα ή το πώς νιώθει μετά το ξύπνημα. Το εργαλείο Sleep Care ανιχνεύει με μεγάλη αξιοπιστία αν ο ύπνος του ήταν φυσιολογικός ή αν εντοπίζει κάποια διαταραχή, την οποία κατατάσσει σε μια από τέσσερις βασικές κατηγορίες.
Ο κ. Φραντζίδης μιλάει στο iatronet.gr για την ερευνητική του εργασία, η οποία βρίσκεται στο στάδιο της δημοσίευσης στο επιστημονικό περιοδικό Brain Science, για το ποσοστό ακρίβειας της αυτοαξιολόγησης και για το πότε το εργαλείο θα είναι διαθέσιμο στο ευρύ κοινό.
Πώς λειτουργεί
Σύμφωνα με τον κ. Φραντζίδη, ο αλγόριθμος, που σήμερα έχει τη μορφή ενός προγράμματος σε υπολογιστή, έχει στόχο να δώσει στους χρήστες – και ειδικά σε όσους βρίσκονται σε απομακρυσμένες περιοχές – τη δυνατότητα να έχουν 24 ώρες το 24ωρο και 7 ημέρες την εβδομάδα, ένα σύστημα Τεχνητής Νοημοσύνης που θα μπορεί να ανιχνεύει τυχόν διαταραχές ύπνου, μέσα από τα κείμενα που θα γράφουν οι ίδιοι.
“Θα γράφουν τα συμπτώματα και τις σκέψεις τους και η εφαρμογή θα ανιχνεύει αν αυτό το κείμενο είναι ενδεικτικό είτε φυσιολογικού ύπνου είτε κάποιων από τις πιο γνωστές διαταραχές ύπνου, χωρισμένες σε τέσσερις βασικές κατηγορίες”, λέει ο ερευνητής. Οι κατηγορίες είναι:
- Διαταραχές λόγω παθολογικών καταστάσεων, όπως νευροεκφυλισμού, καρδιαγγειακών νοσημάτων, χρόνιων νοσημάτων όπως ο διαβήτης κ.ά.
- Αναπνευστικές διαταραχές όπως οι άπνοιες και οι υπόπνοιες.
- Διαταραχές λόγω άγχους ή ψυχικών ασθενειών.
- Κακή ρουτίνα ύπνου ή κακή υγιεινή του δωματίου ή των συνηθειών μας
Όλο αυτό, όπως εξηγεί, είναι εφικτό πλέον χάρη στην επεξεργασία φυσικής γλώσσας (natural language processing) και στη μηχανική μάθηση.
“Η πρόταση που εισάγει ο χρήστης είναι πολύ μικρή και περιγράφει ό,τι εκείνος νομίζει και όπως το σκέφτεται. Δεν χρειάζεται να μπει σε κάποια καλούπια και νόρμες”, εξηγεί ο επίκουρος καθηγητής, σημειώνοντας πως αυτό είναι και το μεγάλο πλεονέκτημα του εργαλείου. “Πέρυσι που το δοκίμασα στο κοινό ενός συνεδρίου στην Πολωνία, μια κοπέλα είπε ‘I slept like a baby’ (‘κοιμήθηκα σαν μωρό’), μπορεί ο καθένας να γράψει ό,τι θέλει”, αναφέρει, κι εξηγεί τον τρόπο με τον οποίο γίνεται η εκτίμηση από τον αλγόριθμο: “Προς το παρόν έχω εκπαιδεύσει το σύστημα, με περίπου 650 προτάσεις, που καλείται να κατανέμει στις πέντε κατηγορίες (σ.σ. φυσιολογικός ύπνος ή μια από τις τέσσερις κατηγορίες διαταραχών). Στη συνέχεια, με συγκεκριμένους αλγορίθμους επεξεργασίας φυσικής γλώσσας αλλά και μηχανικής μάθησης, το κείμενο τεμαχίζεται σε λέξεις και νήματα. Το κείμενο μετατρέπεται σε μαθηματικές μορφές, διανύσματα που κατανοεί ο αλγόριθμος, βρίσκει το σημασιολογικό νόημα της κάθε μιας λέξης, το συνδυάζει με τις άλλες και βγάζει την εκτίμηση. Για παράδειγμα, από τις λέξεις ‘κοιμήθηκα – πολύ – καλά” θα προκύψει θετική εικόνα, ενώ αν συναντήσει τις λέξεις ‘δυσκολεύομαι – να – ανασάνω’ θα τις συνδυάσει και θα πάει προς τις αναπνευστικές διαταραχές”.
Ακρίβεια εκτίμησης και μετεξέλιξη
Όπως αναφέρεται στο προς δημοσίευση paper, η ακρίβεια της εκτίμησης του Sleep Care είναι σήμερα στο 84% σε ένα απλοϊκό μοντέλο και στο 80% σε ένα πιο σύγχρονο, που μπορεί να διακρίνει με ισορροπημένη ακρίβεια σε όλες τις καταστάσεις. “Θέλω να το βελτιώσω περαιτέρω, με στόχο η ακρίβεια να φτάσει τουλάχιστον στο 98%, με πιο προηγμένα μοντέλα”, λέει ο κ.Φραντζίδης.
Στη σημερινή του μορφή, το πρόγραμμα επεξεργάζεται μόνο γραπτό λόγο. Στη συνέχεια, για λόγους ευχρηστίας από τον χρήστη, έχει προβλεφθεί η δυνατότητα μετατροπής του προφορικού λόγου σε κείμενο, ενώ μια ενδεχόμενη μελλοντική προοπτική θα είναι και η χρήση εικόνας. “Δουλεύουμε παράλληλα ένα μοντέλο που μπορεί να ανιχνεύσει την κόπωση από το ανοιγοκλείσιμο των ματιών. Θα μπορούσαν ενδεχομένως στο μέλλον να συνδυαστούν σε μια πιο προηγμένη εφαρμογή, που θα ενσωματώνει και βίντεο”, αναφέρει.
Η εφαρμογή θα διατεθεί δωρεάν στους χρήστες, οι οποίοι θα έχουν τη δυνατότητα να το χρησιμοποιήσουν για την εκτίμηση πιθανής διαταραχής ύπνου. “Σήμερα είναι ακόμη σε φάση ανάπτυξης, λίγο απομονωμένο από το ευρύ κοινό, σε μη εύχρηστο περιβάλλον. Πιστεύουμε ότι σε ένα χρόνο, αν όλα πάνε καλά και υπάρχει χρηματοδότηση, θα μπορεί να χρησιμοποιηθεί από όλους”, καταλήγει ο κ. Φραντζίδης.
