Перспективы взаимодействия Data Science и наук о психике

За последние годы наука о данных, также известная как Data Science, привлекает все больше внимания научного (и не только) сообщества, о ней много пишут и еще больше говорят — в том числе о ее применении в различных дисциплинах. Огромное значение имеет развитие Data Science для биомедицинского направления, в частности, для диагностики психического здоровья. Рассмотрим несколько статей, вышедших в последние годы, которые помогут нам понять перспективы развития наук о данных в рамках взаимодействия с науками о психике.


Немного​​ о ​​терминах

Но для начала обсудим, что же это вообще такое. Во первых, Data Science, или наука о данных — это раздел информатики, изучающий проблемы анализа, обработки и представления данных в цифровой форме. Во-вторых, следует затронуть термин машинное обучение — подраздел науки о данных, исследующий алгоритмы, способные выделять закономерности из массивов данных и самостоятельно на них обучаться. Методы машинного обучения являются частью методов искусственного интеллекта, то есть искусственный интеллект тесно связан с наукой о данных. Более того, та часть искусственного интеллекта, которая обеспечивается машинным обучением, является подразделом науки о данных.

Однако какое отношение все это имеет к психологии? Вот теперь мы можем посмотреть статьи.


Data​​Science​​ + ​​клиническая​​ психология ​​=​​ ?

Так, в 2016 году в журнале Lancet Psychiatry вышла статья об исследовании перспектив наук о данных в контексте психического здоровья. В данной статье были рассмотрены как возможности, так и барьеры, существующие на данный момент в вопросе взаимодействия наук о данных и наук о психике. Эта информация релевантна и для такой области, как клиническая психология, в частности, клиническая психодиагностика. Например, серьезным преимуществом в этом взаимодействии является улучшение возможностей диагностики методом создания модели, которая, самостоятельно обучаясь на имеющихся данных, будет предоставлять возможные варианты диагнозов и создавать направления на дополнительную диагностику. Data Science подразумевает обработку широкого спектра данных и позволяют вычленять из наборов данных максимум информации: информацию о структуре мозга, о наследственности в сочетании с образом жизни как о предикторах возникновения психических заболеваний.


Ограничения

Однако существует ряд ограничений к использованию Data Science в контексте наук о психике, и эти препятствия также были рассмотрены в указанной статье. Так, для большинства методов, используемых в науках о данных, необходимы очень крупные выборки (n > 500), что вызывает вопрос — как собирать такие данные? Далеко не каждый человек готов предоставить информацию о своем здоровье (особенно психическом) посторонним людям. Кроме того, вопрос взаимодействия наук о данных и наук о психике — вопрос междисциплинарного взаимодействия, который в науке до сих пор стоит довольно остро, в связи с недостаточной готовностью ученых расширять поле своего действия. К счастью, в данный момент, наблюдается положительная динамика — молодые ученые выходят за рамки собственного знания и изучают новые отрасли.


О​​ частном

Помимо указанных выше общих преимуществ и недостатков взаимодействий наук о данных и наук о психике, можно отметить ряд частных вещей. Так, в область Data Science входит такая сфера, как компьютерное зрение (Computer Vision), которое достаточно широко сейчас применяется в сфере биомедицинских исследований, в частности, в области наук о психике. Например, в последнее время вышел ряд статей об использовании Computer Vision при расшифровке МРТ и создании функциональных карт мозга. Эти статьи указывают на то, что в ходе исследований была доказана эффективность методов компьютерного зрения, например, для диагностики опухолей головного мозга. Для этого хорошо подходят так называемые сверточные нейронные сети (Convolutional Neural Networks, CNNs), мало отличающиеся от простых нейронных сетей, но предназначенные для обработки изображений, превращая информацию об изображениях в информацию об их принадлежности к тому или иному классу. Полученная информация позволяет сегментировать изображение мозга на зоны без аномальных образований и зоны с ними, что облегчает процесс диагностики.

Кстати, помимо диагностики, недавно был внесен и достаточно заметный вклад в развитие психотерапии: на основе методов машинного обучения (а именно дерева решений) специалистами Стэнфордского Университета был создан чат-бот Woebot, который на базе когнитивно-бихевиоральной терапии оказывает поддержку — пусть и ограниченную, по сравнению с “живым”, очным психотерапевтом, но все же полезную. Увы, не каждый нуждающийся имеет возможность обратиться к психотерапевту по разным причинам, и в таких случаях этот бот может оказаться спасением.

Для тех, кто не знает, что такое дерево решений - примерно так оно выглядит для ответа на вопрос, чем заняться на выходных:
Психологи​​ для​​ Data​​ Science

Но взаимодействие не бывает односторонним, и психологи могут вносят свой вклад в обработку данных, в разработку искусственного интеллекта, в частности, изучение когнитивных процессов имеет  огромное влияние на оценку качества разработки искусственного интеллекта. Так, моделирование различных психических процессов с помощью методов машинного обучения окажется полезным и психологам, и специалистам в области Data Science. Первые получат модель исследуемых ими процессов, вторые — алгоритм, способный решать различные задачи (уже сейчас искусственный интеллект способен переиграть человека в го или шахматы, но, к сожалению, не способен на живое общение с человеком).

Выводы

Подводя итоги, хочется отметить важность активного взаимодействия между представителями разных отраслей науки. К сожалению, открытость специалистов одной области знаний другим до сих пор остается насущной проблемой. Проблема же сбора достаточно крупной выборки, кажется, существовала во все времена: едва ученые учатся собирать достаточные выборки для существующих методов, сразу же появляются новые методы, требующие все большего и большего расширения выборок. Именно такие проблемы сейчас стоят перед максимально широким применением современных интеллектуальных методов анализа данных в науках о психике в противовес преимуществам, которые оно дает:

  1. Более углубленный анализ получаемых данных в исследованиях

  2. Возможности моделирования психических процессов

  3. Улучшения качества диагностики психических, неврологических расстройств и психофизиологических методов диагностики (МРТ, симптоматическая диагностика)

  4. Создание моделей для оказания психологической помощи

  5. Развитие искусственного интеллекта

Материал ​​подготовила

Стефания Кожевникова

Источники:

Статья в The Lancet:

https://s3.eu-central-1.amazonaws.com/www.joinmq.org/Data+science+for+mental+health+-+a+UK+perspective+on+a+global+challenge.pdf Computer Vision и МРТ:

https://arxiv.org/ftp/arxiv/papers/1710/1710.11309.pdf , https://arxiv.org/pdf/1505.04597.pdf

Woebot:

https://nplus1.ru/blog/2017/10/20/woebot?utm_source=oldlentach&utm_medium=social&utm_term=psycologistprogramm&utm_campaign=spetsialisty-stenfordskogo-universiteta-s

Примеры моделирования психологических феноменов:

https://arxiv.org/pdf/1602.00805.pdf%D1%87%D0%BE%D1%82

https://arxiv.org/pdf/1711.02653.pdf

Subscribe to Our Newsletter

  • White Facebook Icon

© 2023 by TheHours. Proudly created with Wix.com