Inteligentna prewencja depresji z zastosowaniem uczenia maszynowego
Opracowano nowatorski system prewencji depresji, czyli wczesnego wykrywania zagrożenia depresją uzyskując jednocześnie przy wzroście dokładności klasyfikacji depresji o 2% (97%) czulszy o 20% system wskazywania zagrożenia depresją. Stworzony system łączy autorski test diagnostyczny, modele matematyczne uwzględniające niepewność danych oraz algorytmy sztucznej inteligencji. System wspiera nauczycieli w diagnozowaniu ryzyka depresji, umożliwiając wcześniejsze skierowanie osób zagrożonych do specjalisty-już o 4 tygodnie wcześniej niż dostępne testy diagnostyczne w literaturze. Badania wykazały realny wpływ na możliwość poprawy zdrowia psychicznego młodzieży oraz wzrost świadomości społecznej w zakresie prewencji depresji [1,2]. W czasach epidemii depresji wśród młodzieży system zapobiegający jej rozwojowi poprzez wczesne wdrożenie leczenia jest przełomowym narzędziem z punktu widzenia ochrony zdrowia.
Przeznaczenie:
Dedykowany do zastosowania w ośrodkach edukacyjnych przez pedagogów/dziekanów/inne os. odp. lub w instytucjach medycznych przez np. lekarzy pierwszego kontaktu
Celem zastosowania systemu i bezpłatnego użycia prosimy o kontakt:
Koordynator projektu:
dr hab. Barbara Pękala, prof. UR,
e-mail: bpekala@ur.edu.pl
Sekretarz:
dr inż. Piotr Grochowalski,
e-mail: pgrochowalski@ur.edu.pl
- B. Pękala., K. Garwol, J. Czuma, D. Kosior, L. Zaręba, M. Chyła, Early detection of the risk of depressive episodes using a proprietary diagnostic test by new epistemic similarity measures, Applied Soft Computing 148, 110910 (2023), DOI number of the code repository on the CodeOcean platform: https://doi.org/10.24433/CO.7716655.v1
- B. Pękala, D. Kosior, W. Rząsa, K. Garwol, J. Czuma, Unique Method for Prognosis of Risk of Depressive Episodes Using Novel Measures to Model Uncertainty Under Data Privacy, Entropy 27 (2), 162 (2025)