Een gecontroleerd klinisch onderzoek om het Aiberry AI-platform voor depressiedetectie te trainen

Aiberry ontwikkelt een eigen AI-platform dat machine learning gebruikt om te screenen op psychische aandoeningen met behulp van een multimodale benadering die rijke visuele, audio-, tekst-, gebaren- en oogkijkinformatie combineert. Ons doel in deze studie is om algoritmen te valideren die voorspellen hoe individuen zullen reageren op zelfrapportagevragenlijsten die worden gebruikt om te screenen op depressieve stoornis (MDD) en algemene angststoornis (GAD). Voorafgaand aan de inschrijving zullen de deelnemers deelnemen aan een baseline screeningvragenlijst om demografische informatie, gezondheidsgeschiedenis en de huidige ernst van de depressie te verzamelen. Als deelnemers voldoen aan de toelatingseisen en de demografische wervingsdoelen, worden ze uitgenodigd voor een enkel virtueel studiebezoek waarin ze een opgenomen interview van 10-15 minuten met een onderzoeksmedewerker zullen invullen, samen met drie korte zelfrapportagevragenlijsten: 1) de Quick Inventory of Depression Symphony Self Report (QIDS-SR-16), 2) de General Anxiety Disorder (GAD-7), en 3) de miniversie van de Mood and Anxiety Questionnaire (mini-MASQ), die zal worden gebruikt als een validiteitscontrole dat de antwoorden van deelnemers consistent zijn tussen deze en de vorige twee vragenlijsten. We zullen evalueren hoe goed de AI-technologie zelfgerapporteerde symptomen van depressie en angst kan voorspellen door gezichts-, audio- en tekstkenmerken van interviewvideo's te analyseren.