REPOZITORIJ > REZULTATI

Povzetek

Zaradi vse večje razširjenosti težav z duševnim zdravjem po svetu se je povečala potreba
po računski psihoterapiji, ki med drugim vključuje ustvarjanje računalniških orodij za duševno
zdravje in podporo obstoječim strokovnjakom. To delo predstavlja sistem računske
psihoterapije, ki uporablja pogovornega agenta za napovedovanje težav z duševnim zdravjem
pri uporabnikih ter spodbujanje sprememb njihovega vedenja. V središču dela sta dva
glavna prispevka. Prvi prispevek je nova podatkovna baza, ki vključuje panelne podatke, ki
zajemajo več posameznikov v več časovnih vrstah. Vključuje 1495 primerov kvantificiranih
ravni stresa, anksioznosti in depresije ter ocene simptomov, pridobljene z diagnostičnimi
vprašalniki, ki jih spremljajo kvalitativni dnevniški zapisi. Drugi prispevek je sistem sam.
Hipoteza trdi, da mora sistem, da bi bil učinkovit pri lajšanju težav z duševnim zdravjem
s pogovornim agentom, simulirati teorijo uma - kognitivno sposobnost razumevanja drugih
in posledičnega ustreznega ravnanja. Sistem simulira teorijo uma z umetno kognitivno
arhitekturo, ki jo sestavlja sklop računskih modelov. Uporablja tako psihološko kot kognitivno
modeliranje in modele strojnega učenja, zgrajene na omenjeni novi podatkovni bazi,
delujoč v povezavi z novimi domenskimi ontologijami. Sistem je bil ovrednoten z računskim
eskperimentom zaznavanja in prihodnjega napovedovanja pojavov duševnega zdravja na
podlagi kvantitativnih rezultatov in kvalitativnih besedilnih dnevniških zapisov ter empirično
intervencijsko študijo o lajšanju težav z duševnim zdravjem pri udeležencih, v kateri
je bil primerjan z Woebotom. Slednji sistem je bil izbran, ker je trenutno najbolj citiran
prosto dostopen sistem z največ repliciranimi pozitivnimi rezultati. Sistem tega dela je
v primerjavi z najsodobnejšimi obstoječimi sistemi pokazal boljšo učinkovitost tako glede
števila zaznanih kategorij duševnega zdravja kot glede natančnosti zaznavanja. Z uporabo
algoritma kNN (izbranega zaradi njegove razložljivosti, čeprav so bili nekateri drugi algoritmi
nekoliko boljši) je dosegel natančnost 91,41 %, s čimer je presegel najvišjo natančnost
enega od drugih sistemov, ki je dosegel 84 % z uporabo algoritma Long short-term memory.
Najvišja natančnost za napovedovanje 7 dni v prihodnost je bila 87,68 %, medtem ko drugi
sistemi niso mogli napovedati prihodnjih trendov. V empirični intervencijski študiji na 42
udeležencih je sistem v simuliranem dnevnem pregledu bolje kot Woebot zmanjšal raven
stresa (p = 0,048) in anksioznosti (p = 0,040) pri udeležencih, medtem ko nobenemu ni
uspelo zmanjšati njihove ravni depresije (p = 0,688). S potrjeno hipotezo je bilo ocenjeno,
da sistem tega dela deluje enako ali bolje kot primerljivi obstoječi najsodobnejši sistemi.