Czy komputery są w stanie rozpoznawać schizofrenie równie skutecznie jak psychiatrzy? Czy stan pacjenta można monitorować na odległość? Wraz z rozwojem metod NLP (przetwarzania języka naturalnego) i uczenia maszynowego przybywa obiektywnych narzędzi przydatnych w diagnostyce i monitorowaniu stanu pacjentów cierpiących na różne choroby i zaburzenia psychiczne. Podczas wykładu omówimy modele głębokiego uczenia maszynowego wykorzystywane w wykrywaniu formalnych zaburzeń myślenia (jednego z głównych objawów schizofrenii) na podstawie tekstu. Opowiemy o naszych badaniach, w których porównywaliśmy skuteczność metod komputerowych z ocenami psychiatry. Poruszymy również problematykę przyszłości metod komputerowych w psychiatrii. dr Justyna Sarzyńska-Wawer – adiunkt w Pracowni Psycholingwistyki i Psychologii Poznawczej w Instytucie Psychologii PAN. Kierownik i wykonawca w grantach dotyczących podstawowych procesów poznawczych oraz neuronalnych i poznawczych korelatów kłamania. Obecnie prowadzi badania nad wykrywaniem kłamania poprzez automatyczną analizę tekstu i użyciem metod uczenia maszynowego w diagnozowaniu chorób psychicznych. Pracę naukową łączy z terapeutyczną (w nurcie poznawczo-behawioralnym). dr inż. Aleksander Wawer – adiunkt w Zespole Inżynierii Lingwistycznej w Instytucie Podstaw Informatyki PAN. Pracuje również w laboratorium Text Mining w Samsung R&D Poland, gdzie zajmuje się praktycznymi implementacjami technologii językowych. Jego zainteresowania i wieloletnie doświadczenie zawodowe obejmują przetwarzanie języka naturalnego (NLP), zarówno składniowe, jak i semantyczne. Jest zafascynowany głębokim uczeniem maszynowym i wielowarstwowymi sieciami neuronowymi oraz ich zastosowaniami w analizie wydźwięku (sentiment analysis), wykrywaniu fake newsów oraz w szeroko pojętej psychologii i psychiatrii. Wykład odbył się w ramach kolejnej edycji Dnia Mózgu 2020 na Uniwersytecie SWPS w Warszawie. Więcej o wydarzeniu: https://www.swps.pl/uczelnia/aktualnosci/21277-dzien-mozgu-2020
Czy komputery są w stanie rozpoznawać schizofrenie równie skutecznie jak psychiatrzy? Czy stan pacjenta można monitorować na odległość? Wraz z rozwojem metod NLP (przetwarzania języka naturalnego) i uczenia maszynowego przybywa obiektywnych narzędzi przydatnych w diagnostyce i monitorowaniu stanu pacjentów cierpiących na różne choroby i zaburzenia psychiczne. Podczas wykładu omówimy modele głębokiego uczenia maszynowego wykorzystywane w wykrywaniu formalnych zaburzeń myślenia (jednego z głównych objawów schizofrenii) na podstawie tekstu. Opowiemy o naszych badaniach, w których porównywaliśmy skuteczność metod komputerowych z ocenami psychiatry. Poruszymy również problematykę przyszłości metod komputerowych w psychiatrii.
dr Justyna Sarzyńska-Wawer – adiunkt w Pracowni Psycholingwistyki i Psychologii Poznawczej w Instytucie Psychologii PAN. Kierownik i wykonawca w grantach dotyczących podstawowych procesów poznawczych oraz neuronalnych i poznawczych korelatów kłamania. Obecnie prowadzi badania nad wykrywaniem kłamania poprzez automatyczną analizę tekstu i użyciem metod uczenia maszynowego w diagnozowaniu chorób psychicznych. Pracę naukową łączy z terapeutyczną (w nurcie poznawczo-behawioralnym).
dr inż. Aleksander Wawer – adiunkt w Zespole Inżynierii Lingwistycznej w Instytucie Podstaw Informatyki PAN. Pracuje również w laboratorium Text Mining w Samsung R&D Poland, gdzie zajmuje się praktycznymi implementacjami technologii językowych. Jego zainteresowania i wieloletnie doświadczenie zawodowe obejmują przetwarzanie języka naturalnego (NLP), zarówno składniowe, jak i semantyczne. Jest zafascynowany głębokim uczeniem maszynowym i wielowarstwowymi sieciami neuronowymi oraz ich zastosowaniami w analizie wydźwięku (sentiment analysis), wykrywaniu fake newsów oraz w szeroko pojętej psychologii i psychiatrii.
Wykład odbył się w ramach kolejnej edycji Dnia Mózgu 2020 na Uniwersytecie SWPS w Warszawie. Więcej o wydarzeniu: https://www.swps.pl/uczelnia/aktualnosci/21277-dzien-mozgu-2020