دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

استفاده از هوش مصنوعی برای پیش‌بینی و ارزیابی ریسک ابتلا به افسردگی با استفاده از داده‌های پرسش‌نامه‌ای با مدل ترکیبی

نویسندگان :

فاطمه رعیت خواه¹ امیرسینا نوروزی کیا² محمدرضا محمدی³

1- دانشکده موضوعی هوش مصنوعی و فناوری های اجتماعی و پیشرفته، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران. 2- دانشکده موضوعی هوش مصنوعی و فناوری های اجتماعی و پیشرفته، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران. 3- دانشکده موضوعی هوش مصنوعی و فناوری های اجتماعی و پیشرفته، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

کلمات کلیدی :

افسردگی،یادگیری ماشین،پیش‌بینی ریسک

چکیده :

افسردگی یکی از شایع‌ترین اختلالات روانی در جهان است که تشخیص به‌موقع آن می‌تواند نقش تعیین‌کننده‌ای در بهبود کیفیت زندگی بیماران داشته باشد. این پژوهش با هدف پیش‌بینی و ارزیابی ریسک ابتلا به اختلال افسردگی اساسی (MDE) با استفاده از داده‌های پرسش‌نامه‌ای انجام شده است. در این راستا، از مدل ترکیبی Voting Classifier بهره‌گیری شده که از ترکیب چند الگوریتم یادگیری ماشین (نظیر Random Forest، Logistic Regression و SVM) استفاده می‌کند تا دقت پیش‌بینی افزایش یابد. داده‌های مورد استفاده از پرسش‌نامه‌های معتبر مانند PHQ-9، QIDS-16 و HAM-D-17 استخراج شده‌اند. عملکرد مدل‌ها با استفاده از معیارهایی مانند AUC، دقت، یادآوری، و F1-score ارزیابی شد. نتایج نشان داد که مدل Voting Classifier در مقایسه با رویکردهای سنتی مبتنی بر امتیاز مجموع پرسش‌نامه‌ها، عملکرد بهتری در شناسایی افراد در معرض افسردگی دارد. این مدل می‌تواند به‌عنوان ابزاری کارآمد برای غربالگری افسردگی در محیط‌های بالینی و غیرکلینیکی مورد استفاده قرار گیرد.