กว่า 70% ของผู้คนวัยผู้ใหญ่ในโลกนี้ล้วนใช้ชีวิตผ่านเหตุการณ์กระทบกระเทือนจิตใจมาแล้วทั้งสิ้น ประสบการณ์เช่นนี้ในบางครั้งนั้นอาจก่อให้เกิดความเครียดอย่างรุนแรงซึ่งส่งผลกระทบต่อสุขภาพจิตและการดำเนินชีวิตประจำวัน ทางการแพทย์ ภาวะเช่นนี้มีชื่อเรียกว่าภาวะป่วยทางจิตจากเหตุการณ์รุนแรง หรือ Post-Traumatic Stress Disorder (PTSD) โดยภาวะดังกล่าวสร้างสามารถสร้างความทุกข์ทรมานได้เมื่อมีเหตุให้นึกถึงสถานการณ์ที่เลวร้ายที่เคยเผชิญ
ล่าสุดงานวิจัยจาก New York University School of Medicine ที่ถูกตีพิมพ์ลงในวารสาร Depression and Anxiety ได้เผยให้เห็นถึงความเป็นไปได้ในการนำเทคโนโลยีปัญญาประดิษฐ์มาช่วยวินิจฉัยผู้มีภาวะ PTSD โดยนักวิจัยได้พัฒนาระบบ Random Forest ที่สามารถวิเคราะห์เสียงพูดของมนุษย์เพื่อค้นหาแพทเทิร์นการพูดที่สื่อถึงภาวะ PTSD เช่น ความชัดเจนของการพูดในระดับต่ำกว่าคนทั่วไป และการใช้น้ำเสียงแข็งทื่อในการพูด ซึ่งทั้งหมดนี้เป็นระบบที่ทำงานอยู่บนสมมติฐานที่ว่าภาวะ PTSD นั้นจะเข้าไปเปลี่ยนแปลงกลไกการทำงานที่เกี่ยวกับการอารมณ์ในการเปล่งเสียงและการใช้น้ำเสียงในสมองของผู้ป่วย
ระบบที่ว่านี้ทำงานด้วยการวิเคราะห์เสียงพูดแยกออกเป็นกว่า 40,526 ฟีเจอร์ โดย AI ได้ทำการเรียนรู้ว่าเสียงที่มีแพท
ในการพัฒนาระบบ นักวิจัยได้ศึกษากลุ่มตัวอย่างทหารผ่านศึกสงครามในประเทศอิรักและอัฟกานิสถานผ่านการสัมภาษณ์นานหลายชั่วโมงเพื่อทำการประเมินค่า Clinician-Administered PTSD Scale (CAPS) ซึ่งเป็นมาตรฐานที่ได้รับการยอมรับในการวินิจฉัยอาการ PTSD หลังจากที่นักวิจัยทราบว่าในกลุ่มตัวอย่างมีผู้ที่มีภาวะ PTSD 53 ราย และผู้ไม่มีภาวะ 78 ราย ก็ได้นำไฟล์เสียงมาแยกองค์ประกอบเป็นกว่า 40,526 ชนิด ก่อนจะส่งให้อัลกอริทึม Random Forest วิเคราะห์ถึงแพทเทิร์นที่ผู้ป่วยมี
ผลปรากฏว่าอัลกอริทึม Random Forest นั้นใช้ฟีเจอร์เพียง 18 ชนิดในการตัดสินใจ และมีอัตราความแม่นยำอยู่ที่ 89.1% (AUC 0.954)
การวิเคราะห์เสียงพูดนั้นเป็นวิธีการวินิจฉัยอาการ PTSD รูปแบบใหม่ที่น่าสนใจ เพราะเทคโนโลยีนี้อาจนำไปสู่การตรวจ PTSD ที่สะดวก เช่น การวินิจฉัยเบื้องต้นผ่านแอปที่จะช่วยให้ผู้มีความเสี่ยงไม่ต้องเข้ามาพบแพทย์ ไม่ต้องลำบากใจในการพูดคุย และยังมีค่าใช้จ่ายต่ำในการวินิจฉัย จากเดิมที่การตรวจภาวะ PTSD นั้นต้องอาศัยการสัมภาษณ์โดยผู้เชี่ยวชาญ หรือการประเมินตนเอง ซึ่งทั้งสองวิธีนี้ต่างก็เสี่ยงต่ออคติในการประเมิน
ทีมวิจัยเชื่อว่าในอนาคต หากสามารถพัฒนาระบบเช่นนี้ให้ดีขึ้น และมีการทดลองยืนยันความน่าเชื่อถือมากขึ้น การวิเคราะห์เสียงพูดก็อาจถูกนำมาใช้ในคลินิกจริงได้