مصاحبه‌های شبیه‌سازی‌شده با هوش مصنوعی، دقت تشخیص افسردگی در یادگیری ماشین را افزایش می‌دهند

افسردگی صدها میلیون نفر را در سراسر جهان تحت تأثیر قرار می‌دهد؛ بااین‌حال، سامانه‌های یادگیری عمیق که قرار است به شناسایی زودهنگام این اختلال کمک کنند، مدت‌هاست با کمبود مهم‌ترین منبع موردنیاز خود، یعنی داده‌های واقعی مصاحبه‌های بالینی، روبه‌رو هستند. اکنون گروهی از پژوهشگران دانشگاه سیچوان چین نشان داده‌اند که می‌توان مدل‌های زبانی بزرگ را به‌گونه‌ای به ایفای نقش بیماران واداشت که گفت‌وگوهای مصنوعی تولیدشده به‌اندازه کافی واقع‌گرایانه باشند و برای آموزش مدل‌های تشخیص افسردگی به کار روند؛ مدل‌هایی که در این پژوهش عملکرد بهتری از سامانه‌های آموزش‌دیده صرفاً با مصاحبه‌های واقعی داشتند. بر اساس مطالعه منتشرشده در مجله International Journal of Machine Learning and Cybernetics، چارچوبی به نام PRISM توانست امتیاز Macro-F1 یک سامانه پیشرفته تشخیص افسردگی را در یک معیار بالینی پرکاربرد از ۰٫۶۱ به ۰٫۷۶۲ افزایش دهد.

کمبود داده که پژوهشگران قصد داشتند آن را برطرف کنند، یکی از مشکلات شناخته‌شده در یادگیری ماشین پزشکی است. گردآوری مصاحبه‌های روان‌شناختی باکیفیت هزینه‌بر است، پیاده‌سازی و برچسب‌گذاری آن‌ها زمان زیادی می‌برد و به دلیل دربرداشتن برخی از حساس‌ترین اطلاعاتی که افراد ممکن است فاش کنند، مشمول مقررات سخت‌گیرانه حفظ حریم خصوصی هستند. استفاده از رابط‌های برنامه‌نویسی کاربردی مدل‌های زبانی تجاری مبتنی بر فضای ابری، که در نگاه نخست راهی ساده برای تولید داده‌های جایگزین به نظر می‌رسد، خود خطر افشای سوابق پزشکی به اشخاص ثالث را به همراه دارد. گروه دانشگاه سیچوان به سرپرستی یی‌شوان لیو و با مشارکت جون‌جیه هو، یوان‌یوان چن و ژانگ یی، چارچوب PRISM را طراحی کرد. نام این چارچوب از عبارت «مدل‌سازی مصنوعی مصاحبه با ایفای نقش روان‌شناختی» (Psychological Role-playing for Interview Synthetic Modeling) گرفته شده است. هدف آن، حل هم‌زمان هر دو مشکل از طریق تولید محلی گفت‌وگوهای مصاحبه، بدون دسترسی به سوابق واقعی بیماران، است.

PRISM در سه مرحله هماهنگ عمل می‌کند که هرکدام یکی از کاستی‌های روش‌های ساده تولید متن را هدف می‌گیرند. مرحله نخست، مدلی مارکوفی مبتنی بر موضوعات است که چگونگی پیشرفت مصاحبه‌های بالینی واقعی را می‌آموزد. این بخش به‌جای آنکه به مدل زبانی اجازه دهد آزادانه و بدون چارچوب صحبت کند، ساختار آماری جریان مصاحبه را یاد می‌گیرد؛ از جمله اینکه معمولاً چه موضوعاتی پس از یکدیگر مطرح می‌شوند، مصاحبه‌گر در چه مواقعی پرسش‌های عمیق‌تری می‌پرسد و گفت‌وگو چگونه میان صحبت‌های روزمره و بررسی علائم جابه‌جا می‌شود. به این ترتیب، گفت‌وگوهای مصنوعی از چارچوبی برخوردار می‌شوند که از نظر بالینی باورپذیر است و روند کار مصاحبه‌گران آموزش‌دیده را بازسازی می‌کند؛ روندی که معمولاً با پرسش‌های مقدماتی درباره زندگی روزمره آغاز می‌شود و سپس به موضوعاتی مانند خواب، خلق‌وخو و سابقه تشخیص بیماری می‌رسد.

مرحله دوم، عمق روان‌شناختی لازم را فراهم می‌کند. پژوهشگران الگویی چندبعدی برای شخصیت‌پردازی ساختند که بر مدل زیستی‌ـ‌روانی‌ـ‌اجتماعی استوار است؛ چارچوبی دیرپا در حوزه بالینی که سلامت روان را حاصل تعامل عوامل زیستی، روان‌شناختی و اجتماعی می‌داند. برای هر بیمار مصنوعی، سن، جنسیت و الگوی علائم به‌صورت نمونه‌گیری‌شده تعیین می‌شود. الگوی علائم از پرسش‌نامه افسردگی PHQ-8 گرفته شده است و هشت بُعد را در بر می‌گیرد: ازدست‌دادن علاقه، خلق افسرده، مشکلات خواب، خستگی، تغییر اشتها، سرزنش خود، دشواری تمرکز و تغییرات روانی‌حرکتی. در این الگو، عمداً بسیاری از مشخصات، از جمله سرگرمی‌ها، رویدادهای اخیر زندگی، حمایت اجتماعی، وضعیت تأهل، تحصیلات، شرایط مالی و ویژگی‌های شخصیتی، خالی گذاشته می‌شوند و از مدل زبانی خواسته می‌شود آن‌ها را تکمیل کند. هدف این است که پیش از آغاز گفت‌وگو، شخصیتی منسجم و سازگار شکل بگیرد.

نتیجه این فرایند شخصیت‌پردازی، به‌طرز چشمگیری واقع‌گرایانه است. در نمونه‌ای که در مقاله ارائه شده، شخصیتی ۵۱ ساله به نام ایتن گرنجر شکل می‌گیرد؛ افسری حرفه‌ای در ارتش که به‌تازگی از مأموریتی یک‌ساله بازگشته، از کمردرد مزمن و بی‌خوابی گهگاه رنج می‌برد و حتی در برابر همسر حمایتگر خود نیز تمایلی به صحبت درباره مشکلات شخصی‌اش ندارد. او چنان احساساتش را در خود نگه می‌دارد که در توصیفش از عبارت «کاملاً بسته و درون‌گرا» استفاده شده است. گرنجر در جریان مصاحبه، پرسش‌هایی درباره مأموریت‌های نظامی خود را بی‌پاسخ می‌گذارد یا از آن‌ها طفره می‌رود، می‌گوید خوابش نسبت به چند هفته قبل بهتر شده اما همچنان مشکل دارد و می‌پذیرد که پشیمانی‌هایی در ذهنش باقی مانده‌اند. این الگوی گفت‌وگو، با احتیاط در افشای مسائل شخصی و حضور نشانه‌های متعدد، همان بافتی را بازسازی می‌کند که در مصاحبه‌های بالینی واقعی دیده می‌شود و در داده‌های مصنوعی ساده‌تر کمتر وجود دارد.

مرحله سوم، راهبردی بهینه‌سازی‌شده در دو گام و مبتنی بر معیارهای سنجش است که تعیین می‌کند چه میزان داده مصنوعی تولید شود و این داده‌ها تا چه اندازه سودمند هستند. این چارچوب به‌جای فرض‌گرفتن اینکه افزایش حجم داده همیشه نتیجه بهتری دارد، کیفیت و تنوع گفت‌وگوهای تولیدشده را با استفاده از معیارهای رایج ارزیابی تولید متن می‌سنجد. این معیارها شامل امتیازهای BLEU برای ارزیابی کیفیت زبانی و پالایش مبتنی بر سرگشتگی (Perplexity) برای شناسایی خروجی‌های نامناسب هستند. نمونه‌های ارائه‌شده در مقاله، فایده این پالایش را نشان می‌دهند: اگر پاسخ تولیدشده شامل جمله دومی آشفته باشد که مقدار سرگشتگی آن از آستانه تعیین‌شده بالاتر برود، فقط جمله نخست و سالم حفظ می‌شود. این کنترل کیفیت مانع از آن می‌شود که توهمات و خروجی‌های معیوب شناخته‌شده در مدل‌های زبانی بزرگ، داده‌های آموزشی مصنوعی را آلوده کنند.

هنگامی که مصاحبه‌های تولیدشده با PRISM برای افزایش داده‌های آموزشی تشخیص افسردگی در مجموعه‌داده DAIC-WoZ به کار رفتند، نتایج چشمگیر بود. این مجموعه‌داده، که مؤسسه فناوری‌های خلاق دانشگاه کالیفرنیای جنوبی آن را گردآوری کرده، شامل مصاحبه‌های نیمه‌بالینی است و در این حوزه کاربرد گسترده‌ای دارد. امتیاز Macro-F1، معیاری که عملکرد مدل را در دو گروه افراد افسرده و غیرافسرده به‌طور متوازن ارزیابی می‌کند، از ۰٫۶۱ به ۰٫۷۶۲ رسید. این نتیجه به‌وضوح از عملکرد پایه مدل‌های زبانی بزرگ در حالت صفرنمونه بهتر بود؛ حالتی که در آن مدل‌ها بدون آموزش اختصاصی برای وظیفه موردنظر، مستقیماً تلاش می‌کنند افسردگی را تشخیص دهند. این بهبود اهمیت دارد، زیرا داده‌های تشخیص افسردگی معمولاً توزیع نامتوازنی دارند: افراد مبتلا به افسردگی در بسیاری از مجموعه‌داده‌ها اقلیت هستند و مدل‌هایی که صرفاً دقت کلی را بهینه می‌کنند، ممکن است بی‌سروصدا در شناسایی همان افرادی ناکام بمانند که قرار است به آن‌ها کمک کنند.

پژوهشگران قابلیت تعمیم این روش را از دو جهت بررسی کردند. آزمایش‌های میان‌مجموعه‌داده‌ای روی مجموعه EATD چین، که داده‌های صوتی و متنی مرتبط با افسردگی و هیجان را در بر می‌گیرد، تأیید کرد که مزایای آموزش تقویت‌شده با PRISM به مجموعه‌داده‌ای فراتر از معیار انگلیسی‌زبان اولیه نیز منتقل می‌شود. گروه پژوهشی همچنین تأیید کرد که داده‌های مصنوعی عملکرد چندین معماری شبکه را بهبود می‌دهند و نتیجه به یک مدل خاص محدود نیست. این یافته نشان می‌دهد که روش پیشنهادی می‌تواند راهکاری عمومی برای جبران کمبود داده باشد، نه ترفندی وابسته به یک مدل مشخص. این پژوهش در امتداد مجموعه مطالعات رو به رشدی قرار می‌گیرد که به مدل‌های زبانی ایفاکننده نقش و بیماران شبیه‌سازی‌شده با مدل‌های زبانی بزرگ می‌پردازند؛ از جمله سامانه‌هایی که برای آموزش متخصصان سلامت روان طراحی شده‌اند. بااین‌حال، ویژگی متمایز PRISM اتکای صریح آن به ساختار مصاحبه‌های بالینی و الگوسازی شخصیت بر پایه مدل زیستی‌ـ‌روانی‌ـ‌اجتماعی است.

اهمیت این یافته‌ها به تشخیص افسردگی محدود نمی‌شود. مطالعه نشان می‌دهد که ایفای نقش با ساختاری دقیق می‌تواند مدل‌های زبانی عمومی را به منابعی برای تولید داده‌های آموزشی با باورپذیری بالینی تبدیل کند؛ قابلیتی که ممکن است کمبود داده را در مسائل یادگیری ماشین مرتبط با روان‌پزشکی نیز کاهش دهد. در این حوزه‌ها، مقررات حفظ حریم خصوصی و هزینه‌های برچسب‌گذاری مدت‌هاست روند پیشرفت را کند کرده‌اند. از آنجا که این چارچوب بدون استفاده از رابط‌های برنامه‌نویسی ابری و سوابق واقعی بیماران کار می‌کند، الگویی برای مؤسساتی فراهم می‌آورد که می‌خواهند داده‌های مصنوعی تولید کنند، بی‌آنکه محرمانگی اطلاعات بیماران را به خطر بیندازند. پژوهشگران هشدار می‌دهند که داده‌های مصنوعی باید مکمل شواهد بالینی واقعی باشند، نه جایگزین آن‌ها. آن‌ها همچنین تأکید می‌کنند که توهم‌زایی مدل‌های زبانی همچنان چالشی حل‌نشده است و فرایند پالایش پیشنهادی فقط بخشی از این مشکل را برطرف می‌کند.

در حوزه‌ای که فاصله میان نتایج آزمایشگاهی و واقعیت بالینی همچنان زیاد است، PRISM راهکاری عملی برای پیشرفت ارائه می‌دهد: به ماشین بیاموزیم نه‌فقط افسردگی را تشخیص دهد، بلکه گفت‌وگوهایی را نیز شبیه‌سازی کند که نشانه‌های این اختلال در آن‌ها آشکار می‌شوند. اکنون مدل‌های تشخیص افسردگی با کمک داده‌های مصنوعی توانسته‌اند در معیارهای استاندارد به امتیاز Macro-F1 بالاتر از ۰٫۷۶ دست یابند. این پژوهش گامی در مسیر توسعه ابزارهای غربالگری است که شاید روزی در محیط‌هایی قابل استفاده باشند که داده‌های واقعی مصاحبه در آن‌ها وجود ندارد. چنین رویکردی می‌تواند به آینده‌ای کمک کند که در آن، دشوارترین بخش ساخت هوش مصنوعی برای سلامت روان دیگر یافتن داده نیست، بلکه طرح پرسش‌های درست از ماشین‌هایی است که این داده‌ها را تولید می‌کنند.

موضوع پژوهش: بهبود تشخیص افسردگی با استفاده از مدل‌های زبانی بزرگ ایفاکننده نقش و مصاحبه‌های روان‌شناختی مصنوعی

عنوان مقاله پژوهشی: بهبود تشخیص افسردگی با استفاده از مدل‌های زبانی بزرگ ایفاکننده نقش و مصاحبه‌های روان‌شناختی مصنوعی

مشخصات منبع علمی: Liu, Y., Hu, J., Chen, Y., & Yi, Z. (2026). Advancing depression detection with role-playing LLMs and synthetic psychological interviews. International Journal of Machine Learning and Cybernetics, 17(11), Article 499. https://doi.org/10.1007/s13042-026-03337-5

شناسه دیجیتال مقاله (DOI): 10.1007/s13042-026-03337-5

منبع خبر: گلن ویلکینز، ۱۶ اکتبر ۲۰۲۶، «مصاحبه‌های شبیه‌سازی‌شده با هوش مصنوعی، دقت تشخیص افسردگی در یادگیری ماشین را افزایش می‌دهند»، Scienmag.