குழந்தை பருவ மொழி முறைபாடுகள் பின்னர் ஏற்படும் மனநல அபாயத்தை முன்னறிவிக்கலாம்

நோயறிதலுக்கு பல ஆண்டுகள் முன்பே பேச்சு முறைபாடுகள் அபாய சிக்னலாக இருக்கலாம்

குழந்தைகள் மன அழுத்தமான அனுபவங்களை எவ்வாறு பேசுகிறார்கள் என்பது, பின்னர் மனநல அபாயத்திற்கான ஆரம்ப அறிகுறியாக இருக்கலாம்; சில சமயங்களில் மனச்சோர்வு அல்லது கவலை அதிகாரப்பூர்வமாக கண்டறியப்படுவதற்கு பல ஆண்டுகளுக்கு முன்பே. Nature Mental Health இதழில் வெளியான ஒரு ஆய்வில், Stanford ஆராய்ச்சியாளர்கள் 9 முதல் 13 வயதுக்குள் உள்ள 200-க்கும் மேற்பட்ட குழந்தைகளின் பதிவு செய்யப்பட்ட நேர்காணல்களைப் பகுப்பாய்வு செய்ய natural language processing models-ஐ பயன்படுத்தினர். பின்னர் இந்த models, அந்த குழந்தைகளில் யார் ஆறு ஆண்டுகள் கழித்து மனநல நிலைகள் உருவாக்குவார்கள் என்பதை முன்னறிவித்தன.

இந்த கண்டுபிடிப்பு முக்கியமானது, ஏனெனில் adolescence என்பது மனச்சோர்வு மற்றும் கவலை பொதுவாக தோன்றத் தொடங்கும் காலம். ஆனால், அறிகுறிகள் கடுமையாகுமுன் எந்தக் குழந்தைகள் அதிக ஆபத்தில் உள்ளனர் என்பதை கண்டறிய மருத்துவர்களுக்கு இன்னும் குறைந்த கருவிகளே உள்ளன. ஆராய்ச்சியாளர்கள் கூறுவதன்படி, இந்த புதிய வேலை ஒப்பீட்டளவில் குறைந்த செலவு, scalable, மற்றும் குழந்தைகள் இயல்பாகச் செய்வதையே அடிப்படையாகக் கொண்ட screening approach-ஐ முன்வைக்கிறது: பேசுதல்.

ஆய்வு எப்படி நடந்தது

ஆராய்ச்சி குழு, குழந்தைகள் தங்கள் வாழ்க்கையில் நடந்த மன அழுத்த நிகழ்வுகளை விவரித்த நேர்காணல்களை மதிப்பாய்வு செய்தது. அந்த transcripts-இல் நான்கு வேறு language models பயன்படுத்தப்பட்டன. அந்த models அனைத்திலும், system பின்னர் ஏற்படும் மனநல முடிவுகளை முன்னறிவிப்பதில் மிகத் துல்லியமாக இருந்தது; அதே உள்ளடக்கத்தை மதிப்பாய்வு செய்த மனித நிபுணர்களைக் கொண்ட குழுவை விட மேலாக செயல்பட்டது.

ஆய்வின் மையக் கண்டுபிடிப்புகளில் ஒன்று, முன்னறிவு மதிப்பு குழந்தைகள் என்ன சொன்னார்கள் என்பதைக் காட்டிலும், அதை எப்படிச் சொன்னார்கள் என்பதில்தான் அதிகமாக இருந்தது என்பதாகும். “and,” “to,” மற்றும் “but” போன்ற சிறிய connector words-ஐப் பயன்படுத்துதல் உட்பட speech-இன் அமைப்பு, விவரிக்கப்பட்ட மன அழுத்த நிகழ்வுகளின் குறிப்பிட்ட விவரங்களை விட அதிக தகவலளிப்பதாக இருந்தது.

இந்த வேறுபாடு முக்கியமானது. இது models அதிக நாடகத்தன்மை கொண்ட அல்லது வெளிப்படையாக கடுமையான stressors-ஐ அனுபவித்த குழந்தைகளை மட்டும் குறியிடவில்லை என்பதைக் காட்டுகிறது. மாறாக, stress-ஐ ஒரு குழந்தை உள்மனதில் எவ்வாறு செயலாக்குகிறது என்பதைக் காட்டக்கூடிய language organization patterns-ஐ அவர்கள் கண்டறிந்திருக்கலாம். நடைமுறையில், இதன் பொருள், அடிப்படை அனுபவங்கள் ஒருவருக்கொருவர் முற்றிலும் வேறுபட்டிருந்தாலும் speech-based assessment பயனுள்ளதாக இருக்க முடியும்.

speech analysis-இல் ஆராய்ச்சியாளர்கள் ஏன் நம்பிக்கை காண்கிறார்கள்

Stanford School of Humanities and Sciences-இல் neuroscience doctoral student மற்றும் ஆய்வின் lead author ஆன Chase Antonacci, இந்த முடிவுகள் diagnosis-க்கு முன்பே risk markers-ஐ அடையாளம் காணக்கூடிய கருவிகளுக்கான proof of concept-ஐ வழங்குகின்றன என்றார். இது தற்போதைய நடைமுறையில் ஒரு முக்கியமான குறைவு. anxiety மற்றும் depressive disorders மருத்துவ ரீதியாக தெளிவாகும்போது, சிகிச்சை ஏற்கனவே கடினமாக இருக்கலாம், மேலும் குழந்தை பல ஆண்டுகளாகவே சிரமப்பட்டுக்கொண்டிருக்கலாம்.

ஆபத்தை மதிப்பிடும் தற்போதைய வழிகள் பெரும்பாலும் பெரிய அளவில் செயல்படுத்தக் கடினமானவை அல்லது அதிக தீவிரமான நடைமுறைகளைத் தேவைப்படுத்துகின்றன. clinician assessments பயனுள்ளதாக இருக்கலாம், ஆனால் அவை நேரம் எடுத்துக்கொள்கின்றன மற்றும் பயிற்சி பெற்ற நிபுணர்களை சார்ந்துள்ளன. இதர more objective methods-இல் blood draws, cortisol அளவிடுதல், physiological stress responses-ஐ கண்காணித்தல், அல்லது telomere length-ஐ பரிசோதித்தல் அடங்கும். இம்முறைகள் முன்னறிவு மதிப்பைக் கொண்டிருக்கலாம், ஆனால் அவற்றுக்கு சிறப்பு உபகரணங்கள், ஆய்வகத் திறன், அல்லது மேலும் invasive data collection தேவைப்படுகிறது.

Speech வேறு வகைப்பாட்டில் உள்ளது. அதை சேகரிப்பது ஒப்பீட்டளவில் எளிது, பல உயிரியல் அளவுகளைக் காட்டிலும் குறைந்த செலவானது, மேலும் பெரிய மக்கள்தொகைகளில் பயன்படுத்துவதற்கும் ஏற்றது. இதன் பொருள் இது clinical judgment-ஐ மாற்றத் தயாராகிவிட்டது என்பதல்ல. ஆனால், இது நெருக்கமான பின்தொடர்தல் தேவைப்படக்கூடிய குழந்தைகளை அடையாளம் காணும் ஒரு நடைமுறை front-end tool ஆக மாறக்கூடும் என்பதைக் காட்டுகிறது.

models உண்மையில் எதைப் பிடிக்கலாம்

connector words தாமாகவே பின்னர் மனநலப் பிரச்சினைகளை ஏற்படுத்துகின்றன என்று ஆய்வு கூறவில்லை. அதைவிட சாத்தியமான விளக்கம், நுண்ணிய மொழி முறைபாடுகள் ஆழமான அறிவாற்றல் அல்லது உணர்ச்சி செயல்முறைகளுக்கான proxy-க்களாக செயல்படுகின்றன என்பதாகும். sentence construction, குழந்தைகள் நினைவுகளை எவ்வாறு ஒழுங்குபடுத்துகிறார்கள், கவனத்தை எவ்வாறு கட்டுப்படுத்துகிறார்கள், கடினமான நிகழ்வுகளை எவ்வாறு விளக்குகிறார்கள், அல்லது மன அழுத்தத்தை விவரிக்கும் போது உணர்வுகளுக்கும் உண்மைகளுக்கும் இடையே எவ்வாறு நகர்கிறார்கள் என்பதைக் காட்டலாம்.

அது சரியானால், மொழி பகுப்பாய்வு மனித கேட்பவர்களுக்கு தொடர்ச்சியாக அளவிட கடினமாக இருக்கும் சிக்னல்களைப் பிடிப்பதால் மதிப்புள்ளதாய் மாறலாம். ஒரு clinician அல்லது teacher குழந்தை மனவருத்தமடைந்தது, ஒதுங்கியிருக்கிறது, அல்லது அசாதாரணமாக உணர்வில்லாமல் உள்ளது என்று கவனிக்கலாம். ஆனால் machine learning systems நூற்றுக்கணக்கான நேர்காணல்களில் பேச்சின் மீண்டும் மீண்டும் தோன்றும் கட்டமைப்பு அம்சங்களை அளவிட முடியும், மேலும் அவற்றை பின்னர் வரும் முடிவுகளோடு மனிதர்கள் தனியாகச் செய்ய முடியாத அளவில் ஒப்பிட முடியும்.

இந்த நன்மையே models மனித நிபுணர்களைக் காட்டிலும் ஏன் சிறப்பாக செயல்பட்டன என்பதையும் விளக்குகிறது. குறிப்பாக உண்மையான பராமரிப்பு சூழல்களில், context முக்கியமானதால், நிபுணர் முடிவு இன்னும் அத்தியாவசியமானது. இருந்தாலும், இந்த ஆய்வு சாதாரண பேச்சில் அடங்கியுள்ள statistical patterns மனிதர்கள் தவறவிடக்கூடிய அல்லது காதால் நம்பகமாக மதிப்பிட முடியாத தகவல்களை கொண்டிருக்கலாம் என்பதை காட்டுகிறது.

சாத்தியமான பயன்பாடுகள் மற்றும் எச்சரிக்கைகள்

இந்த முடிவுகள் பெரிய மற்றும் பல்வகை populations-இலும் நிலைத்திருந்தால், பள்ளிகள், pediatric systems, மற்றும் community health programs ஆகியவை speech-based tools-ஐ ஆரம்ப intervention-க்கு ஆதரவாகப் பயன்படுத்தலாம். வழக்கமான உரையாடல் அல்லது structured interview-இல் மன அழுத்த நிகழ்வை விவரிக்கும் ஒரு குழந்தை, risk அதிகம் என ஒரு model மதிப்பிடத் தேவையான மொழியை உருவாக்கலாம்; அதனால் விரிவான மதிப்பீடு மேற்கொள்ளப்படலாம்.

இந்த வாய்ப்பு கவர்ச்சிகரமானதுதான், ஆனால் தெளிவான கேள்விகளையும் எழுப்புகிறது. speech-based systems வயது குழுக்கள், dialects, languages, மற்றும் சமூக சூழல்களுக்குப் பரவலாக சரிபார்க்கப்பட வேண்டும். குழந்தைகள் மன அழுத்தத்தைப் பற்றி பேசும் recordings மிகவும் உணர்வுப்பூர்வமானவை என்பதால், வலுவான privacy protections அவசியம். ஒரு research sample-இல் நன்றாக வேலை செய்யும் கருவி, தானாகவே பரவலான பயன்பாட்டிற்கு தயாராகிவிடாது.

இந்த எச்சரிக்கைகளுடன் கூட, Stanford ஆய்வு ஒரு குறிப்பிடத்தக்க படியாகும். இது ஆரம்ப மனநல கண்டறிதலை மனிதமும் அணுகக்கூடியதுமான ஒரு சிக்னலைச் சுற்றி மறுபரிசீலனை செய்கிறது: அன்றாட மொழியில் மறைந்திருக்கும் முறைபாடுகள். ஒரு disorder உருவான பின் வெளிப்படும் அறிகுறிகளையே மட்டுமே நம்புவதற்குப் பதிலாக, ஆராய்ச்சியாளர்கள் நோயறிதலுக்கு முன் அமைதியான ஆண்டுகளில் risk-ஐ கண்டறியும் வழியைச் சுட்டிக்காட்டுகிறார்கள்.

குழந்தைகளில் எதிர்கால மனநலப் பிரச்சினைகளுக்கான scalable, objective indicators-ஐத் தேடுவதில் நீண்ட காலமாக போராடி வரும் ஒரு துறைக்கு, இந்த மாற்றம் முக்கியமாக முடியும். இந்த ஆய்வு குழந்தை மனநல பராமரிப்பைத் தீர்க்கவில்லை. ஆனால், ஆரம்ப ஆதரவை நோக்கிச் செல்லும் பாதை கவனமாகக் கேட்பதிலிருந்தும், மனிதர்கள் பெரும்பாலும் கதை மட்டுமே கேட்கும் இடத்தில் அமைப்பைக் கேட்கக்கூடிய கருவிகளிலிருந்தும் தொடங்கலாம் என்பதை அது முன்வைக்கிறது.

இந்தக் கட்டுரை Medical Xpress-இன் செய்திப்பதிவை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.