Polacy stworzyli model AI, który wykrywa demencję i depresję na podstawie wzroku

Inżynierowie Jutra – to nasz nowy cykl redakcyjny oraz badanie skierowane dla wszystkich, którzy kształcą się lub pracują w zawodzie inżyniera. W ciągu najbliższych tygodni będziemy publikować teksty i podcasty o polskich technikach i inżynierach oraz o tym, co zrobić, by związali swoją przyszłość z Polską. 

Samych inżynierów zapraszamy do wzięcia udziału w badaniu – dzięki, któremu powstanie raport, pierwsza w Polsce próbą spojrzenia kompleksowo na temat zawodu inżyniera. Zachęcamy do jego wypełnienia. 

Ankieta nie powinna zająć więcej, niż 15 minut Za udział w naszym projekcie otrzymasz od nas dedykowany raport. Pomożesz też w idei, która nam przyświeca – stworzeniu pierwszej kompleksowej diagnozy tego środowiska w Polsce. 

Partnerem akcji Inżynierowie Jutra jest Holcim –  producent innowacyjnych i zrównoważonych rozwiązań budowlanych.

***

Polski zespół naukowców połączył śledzenie ruchu gałek ocznych ze sztucznymi sieciami neuronowymi, by stworzyć narzędzie do wczesnej diagnostyki depresji i stanów lękowych. Rozmawiamy z jednym ze współautorów badania – dr inż. Karolem Chlastą z Katedry Zarządzania w Społeczeństwie Sieciowym na Akademii Leona Koźmińskiego.  

Marta Zinkiewicz: Sztuczna inteligencja na podstawie 10-sekundowej analizy wzroku, ma ocenić mój dobrostan. Dlaczego mam się tego nie bać?

Dr inż. Karol Chlasta: Okulografia, czyli śledzenie ruchów gałek ocznych w psychologii funkcjonuje od blisko stu lat. Od tego czasu psychologowie oprócz przeprowadzania tradycyjnych wywiadów, wykorzystują tę metodę badania stanu psychicznego. Oczy nie kłamią, widać w nich różne reakcje, a te mogą wskazywać na zaburzenia. To metoda pozajęzykowa i ponad kulturowa. 

Ale wy do niej dodaliście sztuczną inteligencję.

Tak, bo AI umożliwia szybsze i skuteczniejsze analizowanie danych. W naszych badaniach pokazywaliśmy uczestnikom zdjęcia twarzy ludzi przeżywających różne emocje. Za pomocą eye trackera, czyli po polsku okulografu, rejestrowaliśmy ich reakcję. Urządzenie 120 razy w ciągu sekundy sczytywało pozycję oka, a całe zadanie polegające na swobodnym patrzeniu na te twarze trwało 10 sekund. 

Analizowaliśmy później tzw. fiksacje, czyli momenty, kiedy oko świadomie lub nie patrzy na dany punkt oraz na sakady, czyli mimowolne ruchy oka, które wykonywane są podczas obserwowania obiektów. Interesowała więc nas długość i dynamika spojrzeń, a na ich podstawie uzyskiwaliśmy obrazy ścieżek patrzenia, które później analizowaliśmy.

Jak patrzą osoby z depresją czy lękiem społecznym?

Osoby z zaburzeniami afektywnymi dłużej patrzą na twarze wyrażające smutek. W przypadku lęku społecznego znacznie częściej takie osoby uciekają wzrokiem od pokazywanych im twarzy. 

Kto miałby korzystać z tej technologii?

Nie zastąpi ona terapii, spotkań z psychologiem, ale mogłaby zwiększyć naszą samoświadomość. Wyobrażam sobie, że tak jak dziś wiele osób mierzy swój poziom snu przy użyciu smartwatcha, równie przydatne i proste mogłoby być sprawdzanie dobrostanu. Można byłoby wyposażyć się w headset do wirtualnej rzeczywistości, gdzie przeprowadzalibyśmy takie testy. Dzięki tej metodzie moglibyśmy na bardzo wczesnym etapie wykryć, że coś zaczyna się dziać. Również dzięki tej technologii specjalista mógłby na bieżąco monitorować swojego pacjenta pomiędzy spotkaniami w gabinecie.

Mimo że okulografia ma sto lat, nadal brzmi jak science fiction.

To dlatego, że choć jest dość dobrze osadzona w nauce, ale możliwości techniczne, umożliwiające wyjście z nią poza laboratoria, pojawiają się dopiero teraz. Eye trackery, czyli wspomniane okulografy nie są powszechne. Dotychczas były drogie i skomplikowane, ale to zaczyna się zmieniać. Zaczynają być wbudowywane do headsetów VR, można też je zbudować już przy pomocy kamery w laptopie. Oczy to jednak nie jedyny wskaźnik. W innym badaniu w 2024 roku analizowaliśmy również głos.

To znaczy?

Łączyliśmy brzmienie głosu, sposób wypowiadania słów i zdań z demencją. Wystarczy minutowa próbka, a skuteczność jej wykrywania sięga 55 proc. przy założeniu, że rozróżniamy zwykły głos, od zmienionego przez demencje czy łagodnie zaburzenia poznawcze. Rozróżniamy 3 klasy głosu. W przypadku schorzeń neurodegeneracyjnych jak Alzheimer czy demencja często analizuje się np. częstotliwość pauz, gdyż taki człowiek często się zawiesza, powtarza. Gdybyśmy połączyli model analizujący głos z modelem analizującym ruch gałek ocznych, mielibyśmy rozbudowane narzędzie, którego skuteczność byłaby na dużo wyższym poziomie.

Skuteczność związana ze śledzeniem ruchu gałek ocznych wynosi dziś 62 proc. To wystarczająco?

Żadna metoda nie jest na poziomie 100 proc. skuteczności, szczególnie jeśli wniosek wyciąga się na podstawie formularzy deklaratywnych. Nasza metoda jest więc na starcie bardziej obiektywna, a dla takiej jakości danych, jakimi dysponujemy, ten wynik jest dobry. Chcielibyśmy jednak rozwijać tę metodę, dojść do ponad 90 proc. dokładności.

Potrzebujecie więcej danych?

Im więcej danych, tym lepsze narzędzie możemy opracować. Znamy metody – big data, rozwiązania dotyczące rozwijania systemów sztucznej inteligencji. One jednak wymagają bardzo dużego zbioru danych. Niestety te dotyczące konkretnych schorzeń, które nas interesują, to są dane rzadkie i dostęp do nich jest bardzo ograniczony. 

Dlaczego?

W przypadku wrażliwych danych dotyczących psychiki brakuje zaufania. Ludzie boją się, że ktoś je wykorzysta przeciwko nim, wykradnie. Nam przecież nie zależy na analizowaniu pojedynczych przypadków, dane możemy zanonimizować. Udostępnianie ich naukowcom pomogłoby w budowaniu lepszych metod badawczych. Chciałbym, żeby ludzie nam zaufali, przecież mamy dobre intencje. 

Jest jeszcze jedna przeszkoda – big techy.

Tak, wielkie korporacje otrzymują ogromne ilości danych za darmo, chociażby ze smartwatchy. Z tego powodu sektor naukowy pozostaje w tyle za dużymi firmami. Mam wrażenie, że coraz częściej nauka, zwłaszcza informatyka, przestaje być realizowana w środowisku naukowym, a przenosi się do prywatnych firm, które dysponują zarówno wielkimi zbiorami danych jak i często niedostępną dla naukowców mocą obliczeniową.

Dlaczego tak jest?

Big techy mają dużo większe budżety, zbiory danych, wielkie klastry serwerów do trenowania swoich modeli, wyposażonych w karty z najnowszymi procesorami Nvidia. Ale środowisko naukowe nadal może wnieść coś nowego w przypadku modeli dotyczących zdrowia psychicznego. Obecnie wielkie firmy nie są tym tematem bardzo zainteresowane. Opracowane przez nas metody nie wymagają też terabajtów danych, wspomnianej ogromnej mocy obliczeniową, kart graficznych, akceleratorów i milionów złotych finansowania. To nie jest aż tak skomplikowane

Co zrobić, by takie projekty mogły jeszcze lepiej rozwijać się w Polsce?

Aby projekty z zakresu sztucznej inteligencji mogły w Polsce dynamicznie się rozwijać, konieczne jest przede wszystkim stworzenie stabilnego i atrakcyjnego ekosystemu wsparcia dla nauki oraz innowacyjnych przedsiębiorstw. Kluczowym elementem jest rozszerzenie finansowania nauki — zwłaszcza dla młodych badaczy, którzy są często najbliżej przełomowych pomysłów, ale jednocześnie najbardziej narażeni na ograniczenia budżetowe.

Potrzebujemy mechanizmów grantowych, które nie tylko wspierają klasyczne badania podstawowe, ale pozwalają też na szybkie prototypowanie, eksperymentowanie i transfer wyników badań do sektora przemysłowego. Dobrze zaprojektowane programy inkubacyjne, dostęp do otwartych danych i infrastruktury obliczeniowej (np. chmur obliczeniowych) oraz ułatwienia w zakładaniu spin-offów akademickich to kolejne elementy, które mogą realnie przyspieszyć rozwój polskich projektów AI.

Nie mniej ważne jest stworzenie trwałych mostów między nauką a biznesem — poprzez programy współpracy z przemysłem, wspólne laboratoria czy mechanizmy wspierające wdrażanie AI w sektorze publicznym i MŚP. Polska ma potencjał, by stać się europejskim hubem rozwoju sztucznej inteligencji — pod warunkiem, że zapewnimy środowisku naukowemu przestrzeń do twórczej pracy bez biurokratycznych ograniczeń.

Co jest potrzebne do tego, by najlepsi inżynierowie nie wyjeżdżali z Polski? Jakie warunki należy stworzyć?

Przede wszystkim bezpieczeństwo finansowe. Dziś różnice w wynagrodzeniach między sektorem akademickim a komercyjnym, szczególnie w branży IT i AI, są drastyczne. Warto rozważyć systemowe rozwiązania pozwalające np. na pracę w niepełnym wymiarze w jednostce badawczej przy jednoczesnej aktywności w sektorze prywatnym. Takie elastyczne modele współpracy mogłyby pozwolić specjalistom na dzielenie się wiedzą, mentoring młodszych kadr, a jednocześnie zachowanie konkurencyjnych zarobków. 

Po drugie środowisko pracy. Inżynierowie i naukowcy potrzebują przestrzeni, w której mogą się rozwijać, podejmować ambitne tematy badawcze i mieć wpływ na rzeczywistość. To oznacza mniej barier biurokratycznych, większe zaufanie instytucjonalne, realny dostęp do sprzętu i danych, a także udział w projektach międzynarodowych. Wreszcie uznanie i prestiż. 

Potrzebujemy kultury, w której młody inżynier czy naukowiec jest doceniany w swojej pracy badawczej, może np. szybko budować zespół w Polsce, nawet zaraz po obronie doktoratu.