فهم خطاب الصحة النفسية على ريديت باستخدام الترانسفورمرز وقابلية الشرح

لماذا يهم الحديث عن المشاعر عبر الإنترنت

يلجأ كثير من الأشخاص الذين يعانون من القلق أو الاكتئاب أو الاضطراب ثنائي القطب أو اضطراب الشخصية الحدية إلى الإنترنت قبل أن يتحدثوا مع مختص. أصبح ريديت، بجماعاته المجهولة الهوية، مكانًا ضخمًا لمشاركة المخاوف وطلب المساعدة ودعم الآخرين. تستكشف هذه الدراسة شكل آلاف هذه المحادثات، وكيف يمكن للذكاء الاصطناعي فرزها وتسليط الضوء على الكلمات التي يستخدمها الناس غالبًا عند الحديث عن تحديات نفسية مختلفة.

نظرة إلى مجتمعات الدعم

ركز الباحثون على أربعة مجتمعات ريديت كبيرة مكرسة للقلق والاكتئاب والاضطراب ثنائي القطب واضطراب الشخصية الحدية (المختصر عادةً BPD). كل منشور في مجموعة البيانات وُسم ببساطة بالمجتمع الذي جاء منه، وليس بتشخيص طبي. اعتبر الفريق هذه المجتمعات «مساحات قلق» حيث يجتمع أشخاص يعانون من مشكلات مشابهة للتنفيس وطلب النصيحة وتقديم العزاء. بدراسة اختلافات اللغة عبر هذه المساحات، سعى الباحثون لفهم كيف يصف الناس تجاربهم بكلماتهم الخاصة، خارج إطار العيادة.

تعليم الحواسيب فرز المحادثات

لفهم أكثر من 150000 منشور، استخدم المؤلفون نماذج لغوية قوية تُدعى الترانسفورمرز، وتحديدًا BERT ونسخة موجهة للصحة النفسية تُدعى MentalBERT. قرأت هذه النماذج كل منشور وحاولت تخمين أي من المجتمعات الأربعة ينتمي إليه. وبما أن بعض المجتمعات كان لديها عدد منشورات أكبر بكثير من غيرها، فقد قام الفريق بموازنة مجموعة البيانات بعناية بحيث يمثل كل مجموعة بشكل متساوٍ. جعل ذلك المهمة أصعب ولكن أكثر عدلاً، إذ أجبر النماذج على تعلم اختلافات الصياغة فعليًا بدلاً من تفضيل المجتمعات الأكثر شيوعًا. عند الاختبار، قامّت النماذج بوضع الوسوم بشكل صحيح حوالي 82 في المئة من الوقت — قفزة كبيرة فوق التخمين العشوائي الذي سيكون صحيحًا ربع الوقت فقط.

فتح الصندوق الأسود للذكاء الاصطناعي

مشكلة رئيسية في تكنولوجيا الصحة النفسية هي أن أنظمة الحاسوب قد تبدو كـ«صناديق سوداء» غامضة، تقدم توقعات دون أسباب واضحة. لمعالجة هذا، استخدم الباحثون طريقة تُدعى LIME تكشف الكلمات التي دفعت النموذج نحو قرار معين. ببساطة، تقوم LIME بإخفاء أو تعديل أجزاء من المنشور وتراقب كيف يتغير جواب النموذج. إذا أدى حذف كلمة مثل «ذعر» إلى تغيير المجتمع المتوقع فجأة، تُعتبر تلك الكلمة مهمة. من خلال تكرار هذه العملية آلاف المرات على العديد من المنشورات، بنى الفريق قوائم بالكلمات الأكثر تأثيرًا لكل مجتمع وتحققوا من أن هذه الكلمات تتوافق مع ما يعرفه الأطباء عن كل حالة.

أصوات مميزة لمشكلات مختلفة

كشفت التفسيرات عن أنماط لغوية واضحة. في مجتمعات القلق، برزت كلمات مثل «ذعر» و«نوبة» و«قلق»، وغالبًا ما ارتبطت بأعراض جسدية وتلقاءات مفاجئة للخوف. تضمنت منشورات الاكتئاب مصطلحات مثل «بائس» و«بلا قيمة» و«الحياة» و«بعد الآن»، مما يعكس حزنًا عميقًا وإحساسًا بعدم تحسن الأمور. في نقاشات اضطراب الشخصية الحدية، اتجهت الكلمات الرئيسية نحو العلاقات والمشاعر، بما في ذلك «هجران» و«علاقة» و«ارتباط» و«fp» (اختصار لـ«الشخص المفضل»، مصطلح شائع في هذه المجموعات). ركزت منشورات ثنائي القطب على تغيرات المزاج ولغة العلاج، بكلمات مثل «هوس» و«مانيا» و«نصف مانيا» و«مزاج» وأسماء أدوية مثل «ليثيوم» و«لاميكتال». كما كشفت النماذج أماكن تداخل الحالات: فمثلاً قد تتركز منشورات القلق والاكتئاب على الضيق والمشاعر السلبية معًا، مما يجعل الخلط بينهما أسهل، تمامًا كما يحدث في التشخيص الواقعي.

من المنشورات الإلكترونية إلى أثر في العالم الحقيقي

لغير المتخصص، الرسالة الرئيسية هي أن الحواسيب يمكنها فرز محادثات الصحة النفسية حسب الموضوع بشكل موثوق وشرح الكلمات التي تقود اختياراتها، لكنها لا تزال لا تستطيع ويجب ألا تقوم بتشخيص أي شخص. تعمل النماذج في هذه الدراسة أكثر كموجودين في المكتبة للمساحات الداعمة على الإنترنت: تساعد في التحقق مما إذا كانت المناقشات في مجتمع معين تتطابق فعلاً مع تركيزه المعلن. قد يساعد ذلك المشرفين في الحفاظ على ملاءمة المحادثات ويساعد الباحثين أو الأطباء على فهم أفضل لكيف يصف الناس معاناتهم خارج المواعيد الرسمية. مع إشراف بشري دقيق واهتمام بالخصوصية والوصمة، قد تدعم مثل هذه الأدوات يومًا ما مساحات إلكترونية أكثر ترحيبًا وتنظيمًا للحديث عن الصحة النفسية.

الاستشهاد: Sánchez Rodríguez, I., Bianchi, J., Pinelli, F. et al. Understanding mental health discourse on Reddit with transformers and explainability. Sci Rep 16, 6796 (2026). https://doi.org/10.1038/s41598-026-35918-3

الكلمات المفتاحية: الصحة النفسية, وسائل التواصل الاجتماعي, ريديت, الذكاء الاصطناعي القابل للتفسير, تصنيف النصوص