DepressNet؛ چارچوبی تفسیرپذیر مبتنی بر یادگیری ماشین برای تعیین شدت افسردگی

افسردگی حدود ۳۳۲ میلیون نفر را در سراسر جهان تحت تأثیر قرار می‌دهد و یکی از عوامل اصلی سال‌های زندگی تعدیل‌شده بر اساس ناتوانی به شمار می‌رود. بااین‌حال، بیشتر پژوهش‌های یادگیری ماشین همچنان تشخیص افسردگی را به یک پرسش دوحالتی تقلیل می‌دهند: فرد افسرده است یا نیست. پژوهشی جدید که در نشریه Frontiers in Computer Science منتشر شده است، استدلال می‌کند که این ساده‌سازی اطلاعاتی را کنار می‌گذارد که برای متخصصان بالینی اهمیت اساسی دارد؛ یعنی شدت بیماری. گروهی از پژوهشگران به سرپرستی آنیکا رحمان از دانشگاه استمفورد بنگلادش و با همکاری محققانی از دانشگاه مالتی‌مدیا در مالزی، دانشگاه براک و دانشگاه ووسونگ در کره جنوبی، چارچوبی به نام DepressNet توسعه داده‌اند که شدت افسردگی را در پنج سطح معنادار از نظر بالینی طبقه‌بندی می‌کند و مهم‌تر از آن، توضیح می‌دهد کدام گویه‌های پرسش‌نامه در شکل‌گیری هر پیش‌بینی نقش دارند.

این گروه، DepressNet را با استفاده از ۳۹٬۷۷۵ پاسخ واقعی به مقیاس افسردگی، اضطراب و استرس، موسوم به DASS-42، آموزش داد و ارزیابی کرد. این ابزار خودگزارشی، که اعتبار آن در پژوهش‌های متعدد تأیید شده است، از طریق پلتفرم آنلاین OpenPsychometrics در فاصله سال‌های ۲۰۱۷ تا ۲۰۱۹ گردآوری شده بود. هر پاسخ‌دهنده به ۴۲ گویه در قالب مقیاس لیکرت چهاردرجه‌ای درباره علائم عاطفی خود در هفته گذشته پاسخ داده بود و اطلاعات جمعیت‌شناختی نیز ارائه کرده بود. پژوهشگران به‌جای استفاده از مجموع امتیازهای ازپیش‌محاسبه‌شده خرده‌مقیاس‌ها ــ روشی میان‌بر که می‌توانست باعث نشت برچسب هدف به ورودی‌های مدل شود ــ فقط پاسخ‌های خام به تک‌تک گویه‌ها را به همراه ۱۱ متغیر جمعیت‌شناختی به کار گرفتند؛ در مجموع، ۵۳ متغیر پیش‌بین در اختیار مدل قرار گرفت. برچسب‌های شدت بر اساس آستانه‌های بالینی استاندارد DASS-42 تعیین شدند و پنج طبقه را شکل دادند: طبیعی، با سهم ۱۰٫۹ درصد از پاسخ‌ها؛ خفیف، ۴٫۴ درصد؛ متوسط، ۹٫۳ درصد؛ شدید، ۷٫۲ درصد؛ و بسیار شدید، که با سهم ۶۸٫۲ درصدی، بیشترین بخش مجموعه‌داده را تشکیل می‌داد.

این توزیع نامتوازن صرفاً یک مشکل آماری فرعی نیست، بلکه چالش اصلی مدل‌سازی به شمار می‌رود. پلتفرم‌های آنلاین روان‌سنجی معمولاً پاسخ‌دهندگانی را جذب می‌کنند که داوطلبانه در ارزیابی شرکت می‌کنند. در چنین شرایطی، یک طبقه‌بند ساده می‌تواند تنها با پیش‌بینی همیشگی طبقه پرتعداد، امتیاز بالایی کسب کند. پژوهشگران برای مقابله با این مسئله، دو روش را به کار گرفتند: بازنمونه‌گیری SMOTETomek که با درون‌یابی به روش SMOTE نمونه‌های مصنوعی برای طبقات کم‌تعداد می‌سازد و هم‌زمان با استفاده از پیوندهای Tomek نقاط مرزی مبهم را از طبقه اکثریت حذف می‌کند؛ و تابع زیان آنتروپی متقاطع با وزن‌دهی به طبقات که خطاهای مربوط به سطوح نادر شدت را با جریمه بیشتری محاسبه می‌کند. بازنمونه‌گیری فقط روی بخش آموزش انجام شد و تعداد نمونه‌های این بخش را به ۱۰۸٬۵۳۵ مورد متوازن افزایش داد. در مقابل، مجموعه آزمون مستقل شامل ۷٬۹۵۵ نمونه، توزیع نامتوازن طبیعی خود را حفظ کرد تا شرایط واقعی استفاده از مدل را بهتر بازتاب دهد.

از نظر معماری، DepressNet یک مدل تجمیعی پشته‌ای دو‌سطحی است. چهار الگوریتم پایه با ساختارهای متفاوت ــ XGBoost، جنگل تصادفی، LightGBM و ماشین بردار پشتیبان کالیبره‌شده ــ هرکدام یک بردار احتمال برای پنج طبقه تولید می‌کنند. این احتمال‌ها با اعتبارسنجی متقابل طبقه‌بندی‌شده پنج‌تایی و به روش پیش‌بینی خارج از بخش آموزش (out-of-fold) محاسبه می‌شوند. در این روش، هر مدل پایه روی چهار بخش آموزش می‌بیند و طبقه‌بندی بخش پنجم را پیش‌بینی می‌کند؛ بنابراین، یادگیرنده فرادستی هیچ‌گاه با پیش‌بینی‌هایی آموزش نمی‌بیند که مدل‌های پایه آن‌ها را روی داده‌های آموزشی خود تولید کرده باشند. ماتریس ویژگی‌های فرادستی حاصل، که برای هر نمونه ۲۰ ستون احتمال دارد، به یک پرسپترون چندلایه پیاده‌سازی‌شده با PyTorch داده می‌شود. این شبکه دو لایه پنهان با ۲۵۶ و ۱۲۸ واحد، توابع فعال‌سازی ReLU، نرمال‌سازی دسته‌ای و منظم‌سازی دراپ‌اوت دارد. آموزش مدل با استفاده از پردازنده گرافیکی Tesla T4 و برنامه زمان‌بندی نرخ یادگیری با کاهش کسینوسی، طی ۶۰ دوره انجام شد.

DepressNet در مجموعه آزمون مستقل به دقت ۸۵٫۳۸ درصد، امتیاز F1 کلان ۵۹٫۰۱ درصد، ضریب همبستگی متیوز (MCC) برابر با ۰٫۷۱۵۸ و سطح زیر منحنی مشخصه عملکرد گیرنده (AUC-ROC) برابر با ۰٫۹۷۱۴ دست یافت. در میان هفت مدل ارزیابی‌شده، این چارچوب از نظر دقت، F1 کلان و MCC بهترین عملکرد را داشت و اندکی از مدل پایه پرسپترون چندلایه مستقل بهتر بود؛ مدلی که دقت ۸۵٫۰۲ درصد و MCC برابر با ۰٫۷۰۹۵ به دست آورد. بااین‌حال، امتیاز F1 کلان، که به همه طبقات بدون توجه به اندازه آن‌ها وزن یکسان می‌دهد، تصویری محتاطانه‌تر از دقت کلی ارائه می‌کند: عملکرد مدل در سطوح مختلف شدت تفاوت چشمگیری داشت. طبقه «بسیار شدید» که الگوی علائم متمایزی داشت و سهم غالب مجموعه‌داده را تشکیل می‌داد، به امتیاز کامل F1 برابر با ۱٫۰۰ رسید. طبقه «شدید» نیز با یادآوری ۰٫۹۳ عملکرد بالایی نشان داد؛ این نتیجه حاکی از آن است که مدل برای شناسایی مواردی که از نظر بالینی فوریت بیشتری دارند، حساسیت بالایی در نظر گرفته است. اما عملکرد در طبقه «خفیف» به‌شدت افت کرد و امتیاز F1 آن فقط به ۰٫۱۰ رسید؛ نتیجه‌ای که نویسندگان علت آن را عوامل ساختاری، نه صرفاً مشکلات الگوریتمی، می‌دانند.

طبقه خفیف در نمره افسردگی مقیاس DASS-42، پس از مقیاس‌بندی، بازه باریکی شامل چهار مقدار از ۱۰ تا ۱۳ را در بر می‌گیرد؛ این بازه میان طبقه طبیعی با نمره‌های صفر تا ۹ و طبقه متوسط با نمره‌های ۱۴ تا ۲۰ قرار دارد. الگوهای علائم این طبقه هم‌پوشانی زیادی با هر دو طبقه مجاور دارند و در نتیجه، مرز میان آن‌ها ذاتاً مبهم است؛ ابهامی که بازنمونه‌گیری یا یادگیری حساس به هزینه نیز نتوانست آن را برطرف کند. پژوهشگران برای آزمایش راهکاری دیگر، یادگیرنده فرادستی را با تابع زیان Focal Loss دوباره آموزش دادند؛ روشی که برای تأکید بیشتر بر نمونه‌های دشوار و کم‌تعداد طراحی شده است. بااین‌حال، امتیاز F1 طبقه خفیف همچنان روی ۰٫۱۰ باقی ماند و F1 کلان کلی نیز اندکی کاهش یافت. نویسندگان پیشنهاد می‌کنند پژوهش‌های آینده روش‌های طبقه‌بندی ترتیبی، طبقه‌بندی سلسله‌مراتبی دومرحله‌ای و بیش‌نمونه‌گیری آگاه از مرز را که به‌طور ویژه برای طبقه خفیف طراحی شده باشد، بررسی کنند.

اعتبارسنجی آماری نیز تصویری از بهبودهای نسبتاً پایدار اما محدود ارائه کرد. آزمون فریدمن بر اساس امتیازهای F1 کلان در اعتبارسنجی متقابل پنج‌تایی، تفاوت معناداری میان هفت مدل نشان داد (p = 0.0007). آزمون تعقیبی Nemenyi نیز برتری معنادار DepressNet نسبت به مدل پرسپترون چندلایه مستقل را در مقایسه دوتایی تأیید کرد (p = 0.000343). بااین‌حال، آزمون مک‌نمار که پیش‌بینی‌های مدل‌ها را برای تک‌تک نمونه‌های مجموعه آزمون مقایسه می‌کند، به سطح معناداری آماری نرسید (p = 0.170). نویسندگان این محدودیت را صریحاً می‌پذیرند: این بهبودها باید به‌عنوان دستاوردهای تجربی نسبتاً پایدار در چارچوب پروتکل به‌کاررفته تفسیر شوند، نه برتری‌ای که در سطح پیش‌بینی‌های منفرد از نظر آماری اثبات شده باشد. مطالعه حذف مؤلفه‌ها نیز نشان داد که کنار گذاشتن جنگل تصادفی بیشترین افت عملکرد را ایجاد می‌کند. این یافته ارزش ترکیب الگوریتم‌های مبتنی بر تجمیع نمونه‌ای (bagging) و روش‌های تقویت گرادیانی را که مرزهای تصمیم‌گیری مکمل یکدیگر دارند، تأیید می‌کند.

شاید متمایزترین دستاورد این پژوهش، ماژول دوگانه تفسیرپذیری آن باشد. پژوهشگران با به‌کارگیری روش SHAP، مخفف SHapley Additive exPlanations، روی مدل پایه XGBoost آموزش‌دیده، سهم هر ویژگی را هم در سطح کلی و هم به‌صورت جداگانه برای هر طبقه شدت محاسبه کردند. رتبه‌بندی کلی ویژگی‌ها با حوزه‌های اصلی علائم اختلال افسردگی اساسی در راهنمای تشخیصی و آماری اختلالات روانی، ویرایش پنجم (DSM-5)، هم‌خوانی داشت. مهم‌ترین گویه این بود: «احساس غمگینی و افسردگی داشتم». پس از آن، گویه‌های «احساس می‌کردم به‌عنوان یک انسان ارزش چندانی ندارم»، «احساس می‌کردم واقعاً بی‌ارزش هستم» و «احساس دل‌گرفتگی و اندوه داشتم» قرار گرفتند. تحلیل جداگانه طبقات، الگویی از تغییرات علائم را نشان داد که از نظر بالینی منسجم به نظر می‌رسد: افت خلق گذرا و روزمره در طبقه طبیعی؛ شکل‌گیری احساس بی‌ارزشی در طبقه خفیف؛ اختلال در تصویر ذهنی فرد از خود و آغاز بی‌لذتی در طبقه متوسط؛ باورهای منفی ریشه‌دار درباره خود و ناامیدی در طبقه شدید؛ و فروپاشی احساس معنا و ازهم‌گسیختگی انگیزه در طبقه بسیار شدید. به گفته نویسندگان، این نخستین مطالعه‌ای است که تحلیل تفکیک‌شده SHAP را در هر پنج سطح شدت DASS-42 به کار می‌گیرد.

پژوهشگران به همان اندازه که درباره دستاوردهای مدل توضیح می‌دهند، محدودیت روش‌شناختی اصلی آن را نیز روشن می‌کنند. ازآنجاکه برچسب‌های شدت از همان گویه‌های DASS-42 استخراج شده‌اند که به‌عنوان ویژگی‌های ورودی استفاده می‌شوند، چارچوب در واقع الگوهای ساختاری نمره‌دهی درون پرسش‌نامه را یاد می‌گیرد، نه اینکه نتیجه‌ای مستقل و مبتنی بر تشخیص بالینی را پیش‌بینی کند. انتساب‌های SHAP، هرچند از نظر بالینی معقول‌اند، بازتاب‌دهنده ارتباط‌هایی هستند که مدل آموخته است و نباید آن‌ها را سازوکارهای علّی تلقی کرد. این مجموعه‌داده، با وجود حجم زیاد و تنوع جمعیت‌شناختی، کاملاً از خودگزارش‌دهی داوطلبانه آنلاین تشکیل شده و هیچ ارزیابی بالینی توسط متخصصان در آن وجود ندارد. همچنین، مدل هنوز روی گروه‌های بیماران بیمارستانی یا نمونه‌هایی که تشخیص مستقل دارند، ارزیابی نشده است. نویسندگان DepressNet را چارچوبی محاسباتی و بازتولیدپذیر برای تحلیل داده‌های روان‌سنجی معرفی می‌کنند، نه ابزاری برای غربالگری یا تشخیص. از نظر آنان، اعتبارسنجی مدل روی گروه‌هایی با برچسب‌های بالینی، پیش‌شرط ضروری هرگونه استفاده عملی از آن است.

با وجود این محدودیت‌ها، این پژوهش مسیری را نشان می‌دهد که تحقیقات محاسباتی سلامت روان در حال پیمودن آن هستند: فاصله گرفتن از آستانه‌های دوحالتی و ساده و حرکت به‌سوی مدل‌هایی که شدت بیماری را در نظر می‌گیرند و می‌توانند منطق پیش‌بینی‌های خود را توضیح دهند. در حوزه‌ای که بیش از ۷۵ درصد افراد مبتلا در کشورهای با درآمد کم و متوسط به درمان کافی دسترسی ندارند، ابزارهایی که بتوانند سطح خطر را به‌صورت شفاف طبقه‌بندی کنند و محدودیت‌های خود را نیز دقیقاً مشخص سازند ــ همان‌طور که DepressNet در شناسایی موارد خفیف با دشواری روبه‌رو شد ــ ممکن است به‌اندازه قدرت پیش‌بینی، برای جلب اعتماد متخصصان بالینی نیز ارزشمند باشند.

موضوع پژوهش: طبقه‌بندی شدت افسردگی با یادگیری ماشین بر اساس داده‌های روان‌سنجی پرسش‌نامه DASS-42، با استفاده از مدل تجمیعی پشته‌ای تفسیرپذیر و قابلیت توضیح‌پذیری SHAP.

عنوان مقاله: DepressNet: چارچوبی تفسیرپذیر مبتنی بر یادگیری ماشین برای طبقه‌بندی شدت افسردگی با استفاده از داده‌های روان‌سنجی.

منبع مقاله علمی: رحمان، ا.، الفرید، ف.، مهدی، م. ح. ک.،الدین، ج. و عبدالکریم، ح. ب. (۲۰۲۶). «DepressNet: چارچوبی تفسیرپذیر مبتنی بر یادگیری ماشین برای طبقه‌بندی شدت افسردگی با استفاده از داده‌های روان‌سنجی». Frontiers in Computer Science، جلد ۸، مقاله ۱۹۰۱۴۹۰. https://doi.org/10.3389/fcomp.2026.1901490

اعتبار تصویر: تولیدشده با هوش مصنوعی.

شناسه دیجیتال مقاله (DOI): 10.3389/fcomp.2026.1901490

کلیدواژه‌ها: DepressNet، شدت افسردگی، DASS-42، یادگیری ماشین، مدل تجمیعی پشته‌ای، SHAP، هوش مصنوعی توضیح‌پذیر، عدم توازن طبقات، SMOTETomek، روان‌سنجی محاسباتی، اطلاعات سلامت روان، XGBoost.

منبع خبر: گلن ویلکینز. (۱۷ اکتبر ۲۰۲۶). «DepressNet: چارچوبی تفسیرپذیر مبتنی بر یادگیری ماشین برای طبقه‌بندی شدت افسردگی با استفاده از داده‌های روان‌سنجی». Scienmag.