تحليل ذكاء اصطناعي يكشف أنماط التوتر لدى 553 من العاملين في الرعاية الصحية
نموذج تعلم آلي يكتشف مستويات التوتر من خلال معالجة تسجيلات صوتية قصيرة لسرد تجارب العاملين.
استخدم باحثون في كلية الطب بجامعة NYU Grossman نموذجاً حاسوبياً لتتبع مستويات التوتر لدى 553 من العاملين في قطاع الرعاية الصحية. تابعت الدراسة المشاركين على مدار ستة أسابيع من خلال تسجيلات صوتية أسبوعية، جنباً إلى جنب مع تقارير ذاتية يقدمها المشاركون حول مستويات القلق والاحتراق الوظيفي.
اعتمد النظام على نموذج ذكاء اصطناعي يسمى "محول متعدد الوسائط" لفحص ثلاثة أنواع من البيانات في التسجيلات: الكلمات المنطوقة، وجودة الصوت، وتعبيرات الوجه. ومن خلال دمج هذه الميزات، حقق النموذج دقة تصنيف بلغت 0.75، وهو مقياس يستخدم لتقييم قدرة النظام على التمييز بين مجموعات مختلفة.
التمثيلات متعددة الوسائط المستخرجة من السرديات القصيرة حول التوتر ترتبط بملفات التوتر المهني، مما قد يكمل طرق التقييم التقليدية.
تمكن النموذج بنجاح من تصنيف المشاركين إلى فئتين رئيسيتين: الأفراد الأكثر مرونة والأفراد الأكثر عرضة للتوتر. تفوق أداء هذا النموذج بشكل ملحوظ على النماذج التي تعتمد على تحليل النص أو الصوت فقط.
يساعد هذا النهج في تجاوز العقبات المتعلقة بطرق تقييم التوتر التقليدية، والتي تعتمد غالباً على استبيانات قد يتجنب الناس تعبئتها بسبب الحرج المهني أو ضيق الوقت. هل يمكن أن توفر هذه التقنية وسيلة أدق لدعم الموظفين قبل وصولهم إلى مرحلة الاحتراق النفسي؟
اعتمدت الدراسة على مجموعة محددة من العاملين في الرعاية الصحية وتعد بمثابة إثبات للمفهوم. لم يتم اختبار النموذج لأغراض التشخيص السريري أو في ظروف العمل الفعلية خارج نطاق هذا البحث.
المصدر: npj Digital Medicine