AI-Driven Early Mental Health Screening: Analyzing Selfies of Pregnant Women

要約

大うつ病性障害と不安障害は世界中で何百万人もの人々に影響を与えており、メンタルヘルス問題の負担に大きく貢献しています。
メンタルヘルスの問題をタイムリーに特定すると治療結果が大幅に改善されるため、効果的な介入には早期のスクリーニングが不可欠です。
人工知能 (AI) は、精神疾患のスクリーニングを改善し、早期介入とより良い治療結果を可能にするのに役立ちます。
AI を活用したスクリーニングでは、デジタル画像の顔の特徴を含む複数のデータ ソースの分析を活用できます。
ただし、既存の方法は制御された環境や特殊な機器に依存することが多く、幅広い適用性が制限されています。
この研究では、顔中心のセルフィーを考慮したユビキタスなうつ病不安スクリーニングのための AI モデルの可能性を探ります。
この調査は、特に精神的健康上の問題を起こしやすい高リスクの妊娠患者に焦点を当てています。
臨床設定から生じる限られたトレーニング データに対処するために、事前トレーニングされたモデルを 2 つの異なるアプローチで利用しました。1 つはもともと顔の表情認識用に設計された畳み込みニューラル ネットワーク (CNN) の微調整であり、もう 1 つは視覚言語モデル (VLM) をゼロベースで使用することです。
表情のショット分析。
実験結果は、提案された VLM ベースの方法が CNN を大幅に上回り、77.6% の精度を達成することを示しています。
改善の余地は大きいものの、この結果は、VLM がメンタルヘルス スクリーニングの有望なアプローチとなり得ることを示唆しています。

要約(オリジナル)

Major Depressive Disorder and anxiety disorders affect millions globally, contributing significantly to the burden of mental health issues. Early screening is crucial for effective intervention, as timely identification of mental health issues can significantly improve treatment outcomes. Artificial intelligence (AI) can be valuable for improving the screening of mental disorders, enabling early intervention and better treatment outcomes. AI-driven screening can leverage the analysis of multiple data sources, including facial features in digital images. However, existing methods often rely on controlled environments or specialized equipment, limiting their broad applicability. This study explores the potential of AI models for ubiquitous depression-anxiety screening given face-centric selfies. The investigation focuses on high-risk pregnant patients, a population that is particularly vulnerable to mental health issues. To cope with limited training data resulting from our clinical setup, pre-trained models were utilized in two different approaches: fine-tuning convolutional neural networks (CNNs) originally designed for facial expression recognition and employing vision-language models (VLMs) for zero-shot analysis of facial expressions. Experimental results indicate that the proposed VLM-based method significantly outperforms CNNs, achieving an accuracy of 77.6%. Although there is significant room for improvement, the results suggest that VLMs can be a promising approach for mental health screening.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google