AI e benessere psico-fisico: da modelli predittivi, indicazioni (e raccomandazioni) sul proprio stato di salute futuro

Un imponente studio che vede coinvolti tre Centri di ricerca USA - tra cui il Dipartimento di Psichiatria del Massachusetts General Hospital - soffermandosi sulla dimensione psicologica del concetto di benessere, sfrutta tecniche di deep learning per prevedere lo stato di salute mentale futuro e definire mappe degli psicotipi umani.

TAKEAWAY

  • Addestrate sulla base dei dati di uno studio assai esteso, le due reti neurali sviluppate congiuntamente dai ricercatori del californiano Buck Institute for Research on Aging, dal Dipartimento di Psichiatria del Massachusetts General Hospital e dall’Harvard Medical School di Boston, hanno fatto previsioni circa l’età cronologica degli intervistati e il loro benessere psicologico da lì a dieci anni.
  • Le Mappe Auto-Organizzanti, realizzate per visualizzare in 2D i dati emersi durante lo studio e in grado di fornire obiettivi di miglioramento personalizzati a ognuno dei partecipanti, sono state strutturate in tre cluster, caratterizzati da tre diversi livelli di benessere e di propensione alla depressione.
  • I modelli predittivi sviluppati, in particolare le Mappe 2D, rappresentano uno strumento per la valutazione iniziale e il follow-up nell’ambito di psicoterapie individuali o di applicazioni in totale autonomia da parte di chi desidera lavorare sul proprio benessere psicologico.

Parlare, oggi, di tecniche di intelligenza artificiale e di benessere psico-fisico ci proietta in quell’ambito di studi focalizzato sulla biologia, fisiologia e genetica dell’invecchiamento, con lo sviluppo di reti neurali artificiali finalizzate alla creazione di modelli digitali dell’invecchiamento umano – sia fisico che mentale – addestrati sulla base di informazioni estrapolate, ad esempio, da immagini del viso, esami clinici, test psicologici o sequenziamento dell’RNA per identificare la predisposizione genetica a determinate patologie.

In questo campo, negli ultimi anni, l’obiettivo di algoritmi AI sempre più sofisticati è quello di prevedere il rischio di fragilità legato a dinamiche precise, gettando le basi della cosiddetta “medicina della longevità”, volta a studiare i meccanismi molecolari e psicologici alla base di una vita più lunga e più sana, a beneficio del singolo e dell’intera società.

Ne parla anche The World Economic Forum nella sua classifica annuale delle dieci tecnologie che hanno caratterizzato il 2021 e destinate a tracciare la rotta in questo 2022, sottolineando l’impegno di oltre cento aziende nel mondo nello sviluppo di «approcci farmaceutici e di ingegneria genetica atti ad analizzare e a progettare la “durata della salute” dell’essere umano».

In particolare, il paper “Optimizing future well-being with artificial intelligence: self- organizing maps (SOMs) for the identification of islands of emotional stability” – a cura del Buck Institute for Research on Aging, in California, del Dipartimento di Psichiatria del Massachusetts General Hospital e dell’Harvard Medical School di Boston – si sofferma sulla dimensione psicologica del concetto di “benessere”, illustrando un modello di deep learning in grado di prevedere la propria età attuale e lo stato di salute mentale futuro, oltre a una mappa degli psicotipi umani, «utile nel fornire consigli personalizzati per ottimizzare il proprio benessere negli anni a venire». Vediamo di che cosa si tratta.

Intelligenza artificiale e benessere psico-fisico: focus sulle due reti neurali addestrate con dati MIDUS

Utilizzando i dati emersi dall’ampio studio americano MIDUS (MIDlife in the United States) – realizzato tra il 1995 e il 1996 e, successivamente, tra il 2004 e il 2006 – sulla risposta emotiva a fattori di stress quotidiano da parte di un campione di 435 adulti, gli autori del paper in tema di intelligenza artificiale e benessere psico-fisico hanno addestrato due reti neurali: la prima per la previsione dell’età cronologica degli intervistati (3.891 in totale) e la seconda per fare previsioni circa il loro benessere psicologico da lì a dieci anni.

L’architettura della prima rete presenta quattro strati, con 256 neuroni ciascuno, mentre quella della seconda quattro strati costituiti da 400 neuroni ciascuno.

Il primo dato osservato riguarda alcuni parametri di benessere come “relazioni positive”, “padronanza all’interno del proprio ambiente”, “autonomia” e “accettazione di sé, previsti dal sistema di intelligenza artificiale messo a punto «con una tendenza al rialzo con l’aumentare dell’età». Al contrario, parametri quali “avere uno scopo di vita” (“purpose in life”) e “crescita personale” hanno – secondo il modello predittivo in questione – una tendenza al ribasso. Nota il team:

«Nel contesto dell’invecchiamento psicologico, questo risultato conferma che non esiste un’“età ottimale” in cui le persone raggiungono l’apice del benessere. Allo stesso modo, non esiste “l’età dell’infelicità”, in cui le persone sperimentano un basso benessere a tutto tondo. Poiché i diversi aspetti del benessere non dipendono in modo uniforme dalla propria età psicologica, l’impiego delle metriche dell’età derivate dall’intelligenza artificiale richiede comunque cautela»

Dunque le previsioni relative all’età cronologica, così come le indicazioni fornite dal sistema riguardo all’obiettivo del “ringiovanimento psicologico”, devono essere considerate nel contesto delle priorità personali ed essere adattate in base agli aspetti di benessere che una persona considera più importanti.

Lo stato di salute mentale futuro previsto dal modello predittivo

Nello studio in tema di intelligenza artificiale e benessere psico-fisico, l’aspetto del benessere legato alla “relazioni positive” è stato indicato dal modello AI come maggiore negli anziani, mentre gli aspetti più esplorativi e orientati al futuro – come la “crescita personale” e lo “scopo nella vita” – maggiori nei giovani.

E questo conferma le tesi in base alle quali – spiegano i ricercatori – scelte dedicate all’esplorazione o ai benefici a lungo termine, come la costruzione di una carriera, il “miglioramento” del proprio stile di vita o la ricerca del significato dell’esistenza, vengono classificate più in alto dai giovani in un’ipotetica classifica, rispetto alle scelte che promettono “comfort emotivo”.

Mentre, con l’avanzare dell’età, riducendosi l’orizzonte temporale, le persone iniziano ad attribuire maggiore valore alle emozioni positive, soprattutto quando riferite alle relazioni interpersonali.

Da una comparazione tra l’analisi delle stime circa il benessere psico-emotivo futuro fornite dal modello predittivo e i dati relativi allo stato di salute degli intervistati “qui ed ora”, ossia nel momento in cui hanno preso parte alla ricerca, il team ha rilevato – per tutti e sei i parametri di benessere – una coerenza di fondo, data dall’incrocio di informazioni inerenti all’età dei soggetti, al loro stile di vita e al livello di stress.

Intelligenza artificiale e benessere psico-fisico: le Mappe Auto-Organizzanti (Self-Organizing Maps – SOMs) per determinare il rischio di depressione

Per visualizzare su mappa i dati emersi durante la prima parte dello studio in tema di intelligenza artificiale e benessere psico-fisico e sviluppare un “motore di raccomandazione” in grado di fornire obiettivi di miglioramento personalizzati a ognuno dei partecipanti, i ricercatori hanno optato per l’approccio SOM (Self-Organizing Maps – SOMs), «una tipologia di apprendimento non supervisionato, caratterizzato da alcuni punti in comune con le reti neurali artificiali» da cui si ottiene una rappresentazione 2D di uno spazio multidimensionale.

«Le SOM, in passato, sono state utilizzate per rappresentare su mappa la salute mentale degli esseri umani. Ad esempio, un classificatore SOM è stato addestrato per determinare i disturbi mentali a partire dai discorsi trascritti dei pazienti e per rilevare lo stress psicologico sulla base dei dati biometrici dei dispositivi indossabili. Questi modelli, tuttavia, non si basano su caratteristiche facilmente interpretabili e utilizzabili e, pertanto, non sono idonei a fungere da strumento terapeutico».

In questo studio, le Mappe Auto-Organizzanti sono state addestrate sempre con dati MIDUS relativi a soggetti non depressi. Il loro compito è stato quello di restituire i livelli di benessere futuri e il rischio di depressione in base ai metadati del campione di intervistati e indicare percorsi personalizzati verso un miglioramento del benessere.

L’applicazione del clustering gerarchico alla SOM ha prodotto tre cluster caratterizzati da tre diversi livelli di benessere e di propensione alla depressione. A tale riguardo, precisa il team:

«Le caratteristiche che contribuiscono al proprio posizionamento nel cluster 1 possono essere considerate bersagli terapeutici primari. Ad esempio, sentirsi gravati da relazioni strette è la caratteristica che differenzia maggiormente le persone suscettibili alla depressione, secondo il nostro modello. Pertanto, una terapia incentrata principalmente sulla costruzione di relazioni profonde e preziose potrebbe essere più efficace, in generale, rispetto a una terapia incentrata sulla definizione degli obiettivi o sul coinvolgimento sociale»

Schema a blocchi delle raccomandazioni basato su Mappe Auto-Organizzanti (Self-Organizing Maps - SOMs), fornite dal sistema AI sviluppato dal team di studio per migliorare il benessere psicologico attuale e futuro, con aree associate a un grado di benessere elevato (in verde) e aree correlate a un grado di benessere basso (in rosso). (Fonte: “Optimizing future well-being with artificial intelligence: self- organizing maps (SOMs) for the identification of islands of emotional stability” - https://www.aging-us.com/article/204061/pdf).
Schema delle raccomandazioni basato su Mappe Auto-Organizzanti (Self-Organizing Maps – SOMs), fornite dal sistema AI sviluppato dal team di studio per migliorare il benessere psicologico attuale e futuro, con aree associate a un grado di benessere elevato (in verde) e aree correlate a un grado di benessere basso (in rosso). (Fonte: “Optimizing future well-being with artificial intelligence: self- organizing maps (SOMs) for the identification of islands of emotional stability” – https://www.aging-us.com/article/204061/pdf).

Un punto di partenza per ricerche future

Questo imponente studio in tema di intelligenza artificiale e benessere psico-fisico – ricorda il team – potrebbe rappresentare il punto di partenza per un modello matematico applicabile nell’ambito di ricerche tese alla comprensione del livello di invecchiamento e di salute mentale della popolazione.

I modelli predittivi ai quali hanno lavorato i ricercatori richiedono, però, una «raccolta continua di dati, allo scopo di osservare la fluidità degli psicotipi all’interno del modello e le probabilità approssimative di transizione dello stato».

In particolare, le Mappe Auto-Organizzanti descritte possono essere impiegate ai fini della terapia cognitivo comportamentale o delle sessioni di psicoterapia online.

«Tale strumento, una volta implementato – concludono gli autori – può essere utilizzato come tool di valutazione iniziale e di follow-up nella terapia vis à vis o come applicazione autonoma da parte di quanti desiderano migliorare il proprio benessere psicologico».

Immagine predefinita
Paola Cozzi

Giornalista dal solido background acquisito lavorando presso i più prestigiosi Editori italiani | Ventidue anni di esperienza nello sviluppo di prodotti editoriali b2b, cartacei e digitali | Vent'anni alla direzione di una testata b2b in tema di Sicurezza anticrimine di tipo fisico | Attualmente si dedica al Giornalismo Digitale ed esplora nuove tecniche e nuovi stili di comunicazione

Articoli: 276

Newsletter Updates

Inserisci il tuo indirizzo email qui sotto per iscriverti alla nostra newsletter