Diagnozowanie depresji u dzieci jest szczególnie trudne, ponieważ nie potrafią one wyrażać werbalnie swoich stanów emocjonalnych, a z tym związane są standardowe procedury diagnostyczne. Na dodatek objawy depresji u dzieci bywają często nieco odmienne niż u dorosłych. W miejsce kojarzonej z depresją apatii i zniechęcenia pojawiają się zachowania agresywne skierowane przeciwko zarówno osobom z otoczenia, jak i sobie. Dziecko staje się wrażliwe, jakby pobudzone. To sprawia, że często myli się te objawy z zaburzeniami nadpobudliwości. U małych dzieci diagnoza jest jeszcze trudniejsza, bo objawy są często somatyczne – bóle głowy, brzucha, częste przeziębienia. Zanim rodzice czy opiekunowie zorientują się, gdzie tkwi właściwa przyczyna tych dolegliwości, mija często wiele miesięcy.
Wczesna diagnoza ma kluczowe znaczenie, ponieważ dzieci dobrze reagują na leczenie – ich mózgi wciąż się rozwijają. Jeśli jednak nie są leczone, kłopoty narastają i są bardziej narażone na nadużywanie substancji i samobójstwo w późniejszym życiu.
Naukowcy z Uniwersytetu w Vermont opracowali algorytm analizujący głos, który może wykryć oznaki lęku i depresji w mowie małych dzieci. Może to zapewnić szybki i łatwy sposób rozpoznawania stanów, które są trudne do wykrycia i często pomijane u młodych ludzi. Algorytm stworzono na podstawie badania reakcji dzieci w stresującej sytuacji – ich zadaniem było stworzenie trzyminutowej opowieści, której przysłuchiwał się surowy sędzia sygnalizujący brzęczykiem upływ czasu. W oparciu dodatkowo o wywiad kliniczny, kwestionariusz wypełniony przez rodziców i porównanie z grupą kontrolną, wyodrębniono trzy cechy zaburzeń mowy, które wskazywać mogą na depresję: niskie dźwięki, powtarzanie, podwyższona reakcję na brzęczyk sygnalizujący upływ czasu.
Naukowcy wykorzystali algorytm uczenia maszynowego do analizy cech statystycznych nagrań dźwiękowych historii każdego dziecka i powiązania ich z diagnozą dziecka. Odkryli, że algorytm był bardzo skuteczny w diagnozowaniu dzieci. Twórcy tego rozwiązania twierdzą, że następnym krokiem będzie opracowanie algorytmu analizy mowy w uniwersalnym narzędziu do badań przesiewowych do użytku klinicznego, być może za pośrednictwem aplikacji na smartfony, która może natychmiast rejestrować i analizować wyniki. To może pomóc zidentyfikować dzieci zagrożone lękiem i depresją, nawet przed zanim pojawią się niepokojące zachowania.
Skomentuj