Alexitimisi olan ve olmayan bireylerde depresyonu tespit etmek için derin öğrenme

Duygular hakkında konuşmanın neden bu kadar zor olabileceği

Birçok insan depresyonla yaşıyor, ancak bunu tespit etme araçlarımız hâlâ çoğunlukla insanların nasıl hissettiklerine dair anketleri doldurmasına dayanıyor. Peki birisi kendi duygularını tanımakta veya ifade etmekte zorlanıyorsa ne olur? Bu çalışma, duyguları tanımada ve kelimelere dökmede güçlük (alexitimi) özelliğine sahip bir grup insanı ele alıyor ve yapay zekânın (YZ) bu durumlarda doktorların depresyonu daha doğru saptamasına yardımcı olup olamayacağını araştırıyor.

Öz değerlendirme testleri neden yetersiz kalıyor

Kliniklerde veya çevrimiçinde hastaların doldurduğu kısa kontrol listeleri gibi standart depresyon tarayıcıları hızlı ve kullanışlıdır. Ancak bunlar insanların üzüntülerini, ilgi kaybını veya kaygı düzeyini makul bir doğrulukla fark edip rapor edebileceklerini varsayar. Alexitimisi olan kişilerde bu varsayım sıklıkla geçerli değildir. Kendilerini iyi hissetmeyebilirler ancak duygularını kolayca adlandıramadıkları için, gerçekten depresyonda olsalar bile öz değerlendirme testlerinde sıkıntılarını az bildirebilirler. Araştırmacılar alexitimisinin nadir olmadığını —yaklaşık her on kişiden birini etkilediğini— ve daha yüksek alexitimisi düzeylerinin genel olarak daha şiddetli depresyonla ilişkili olduğunu buldular.

Bilgisayarın konuşmayı dinlemesine izin vermek

Sadece formlara güvenmek yerine ekip klinik görüşmeler sırasında söylenen kelimelere yöneldi. Majör depresif bozukluğu olan hastalar ve toplum gönüllüleri dahil olmak üzere yaklaşık 300 Kantonca konuşan yetişkin, ruhsal durum değerlendirmesi için standart bir puanlama ölçeği kullanan bir psikiyatristle yapılandırılmış görüşmelere katıldı. Bu görüşmeler metne döküldü. Araştırmacılar daha sonra sekiz büyük dil modelini —metni analiz eden gelişmiş YZ sistemleri—, her bir kişinin depresyonda olup olmadığını psikiyatristin değerlendirmesini referans standart olarak kullanarak belirlemesi için eğitti. Modeller anket puanlarını görmedi; insanların uyku, enerji, günlük yaşam ve ruh halleri hakkında nasıl konuştuklarından doğrudan öğrendiler.

YZ ile onay kutusu karşı karşıya

Çalışma, YZ modellerinin ve yaygın bir öz bildirim ölçeği olan Hastane Anksiyete ve Depresyon Ölçeği – Depresyon Alt Ölçeği (HADS-D) arasındaki depresyon tespit başarısını karşılaştırdı. Tüm katılımcılar genelinde sekiz modelden dördü, açık şekilde öz değerlendirme ölçeğinden daha iyi performans gösterdi. Alexitimisi olanlara odaklanıldığında fark çarpıcıydı: öz değerlendirme ölçeğinin doğruluğu kötü bir tahmin düzeyine düştü, oysa YZ modelleri güçlü kalmaya devam ederek iyi ile mükemmel arasında performans sergiledi. Önemli olarak, YZ sistemleri kişilerin alexitimisi yok, olası alexitimisi var veya belirgin alexitimisi var olsun aynı şekilde iyi çalıştı; bu da duyguları tanımlamadaki güçlüklerin bu modelleri boğmadığını gösteriyor.

Sözcükler başarısız olduğunda YZ neden istikrarlı kalıyor

Bilgisayarlar, kontrol listelerinin tökezlediği yerde neden başarılı olabilir? Yazarlar, bir görüşmedeki konuşulan dilin birçok ince ipucunu —kelime seçimi, ayrıntı düzeyi, tereddüt örüntüleri— içerdiğini ve bunların bir kişinin içsel durumunu, duygularını adlandıramasa bile yansıttığını savunuyor. Büyük dil modelleri, uzun metin parçaları boyunca bu tür örüntüleri yakalamak üzere tasarlanmıştır. Buna karşın, öz değerlendirme ölçekleri esas olarak düşünce ve duygulara odaklanan sınırlı sayıda kısa sorudan oluşur; kendini nasıl değerlendireceğinden emin olmayan insanlar için çok az alan bırakır. Bulgular, özenle geliştirildiğinde ve test edildiğinde YZ araçlarının, özellikle uzman süresinin sınırlı ve bekleme listelerinin uzun olduğu ortamlarda kliniklere güçlü yardımcılar olabileceğini öne sürüyor.

Gelecekte bakım için bunun anlamı

Bir okuyucu için temel mesaj basit: bazı insanlar hissettiklerini tarif etmede daha az yeteneklidir ve onlar için standart depresyon anketleri önemli sorunları kaçırabilir. Bu çalışma, hastaların bir görüşmede söylediklerini analiz eden YZ sistemlerinin, öz bildirim formlarına kıyasla genellikle depresyonu daha güvenilir biçimde tespit edebildiğini ve alexitimisi var olduğunda bile doğruluklarını koruduklarını gösteriyor. YZ insan klinisyenlerin yerini almayacak olsa da, risk altındaki bireyleri daha erken işaretleyip daha kişiselleştirilmiş bakımı yönlendirmeye yardımcı olabilir. Yazarlar, benzer yaklaşımların bir gün diğer ruh sağlığı durumlarının tespitini iyileştirebileceğini ve herkesi aynı forma uydurmaktan ziyade her kişiye gerçekten uyan değerlendirmelere bizi yaklaştırabileceğini öne sürüyor.

Atıf: Lam, C., Xian, L., Huang, R. et al. Deep learning for detecting depression in individuals with and without alexithymia. Commun Med 6, 123 (2026). https://doi.org/10.1038/s43856-026-01393-0

Anahtar kelimeler: depresyon tespiti, alexitimi, yapay zeka, klinik görüşmeler, ruh sağlığı taraması