--- title: "Naukowcy testują AI analizującą pot, sygnały mózgu i ruchy oczu" description: "Naukowcy z USC opracowują modele sztucznej inteligencji analizujące sygnały EEG, ruchy oczu i aktywność elektrodermalną. Celem jest wsparcie klasyfikacji depresji i myśli samobójczych, a nie zastąpienie rozmowy z pacjentem ani oceny klinicznej." publisher: "Najnowsze Informacje" language: "pl-PL" canonical_url: "https://najnowsze-informacje.pl/zdrowie/naukowcy-testuja-ai-analizujaca-pot-sygnaly-mozgu-i-ruchy-oczu" markdown_url: "https://najnowsze-informacje.pl/zdrowie/naukowcy-testuja-ai-analizujaca-pot-sygnaly-mozgu-i-ruchy-oczu/index.md" date_published: "2026-08-05T12:33:10.887Z" date_modified: "2026-08-05T12:33:27.098Z" author: "Redakcja" category: "Zdrowie" tags: - "depresja" - "myśli samobójcze" - "sztuczna inteligencja" - "eeg" - "badania kliniczne" source_url: "https://medicalxpress.com/news/2026-08-brain-eye-movements-ai-depression.html" source_name: "MedicalXpress" image_url: "https://najnowsze-informacje.pl/api/media/file/zdrowie-unsplash-1785780132153.jpeg" image_alt: "a computer generated image of a human brain" image_credit: "© Shawn Day / Unsplash" image_credit_url: "https://unsplash.com/@whisperingshiba" --- # Naukowcy testują AI analizującą pot, sygnały mózgu i ruchy oczu > Badacze USC testują modele AI analizujące EEG, przewodnictwo skóry i ruchy oczu, aby klasyfikować depresję oraz myśli samobójcze. ## Kluczowe informacje - Modele AI analizowały jednocześnie sygnały EEG, ruchy oczu i przewodnictwo skóry. - Najsilniejsze różnice dotyczyły reakcji na treści o negatywnym lub emocjonalnym znaczeniu. - Wyniki pozwalały klasyfikować grupy z depresją i myślami samobójczymi, ale nie zastępują oceny klinicznej. - Jedna z prac o aktywności elektrodermalnej jest preprintem dostępnym na serwerze arXiv. Naukowcy z University of Southern California testują system, który wykorzystuje sztuczną inteligencję do analizy sygnałów związanych z depresją i myślami samobójczymi. Model otrzymuje dane pochodzące między innymi z elektroencefalografii, pomiaru przewodnictwa skóry oraz śledzenia ruchów oczu. Celem projektu jest opracowanie bardziej ustandaryzowanego sposobu oceny stanu psychicznego, który mógłby w przyszłości uzupełniać dotychczasowe metody stosowane przez psychiatrów. W materiale źródłowym przypomniano, że wskaźniki samobójstw w Stanach Zjednoczonych rosły w ostatnich dekadach. Wśród weteranów miały być 1,5 raza wyższe niż w populacji ogólnej. Jednocześnie część przypadków może nie być zgłaszana, szczególnie w społecznościach wojskowych, między innymi z powodu stygmatyzacji problemów psychicznych, presji społecznej i błędów związanych ze sposobem raportowania. ## Projekt łączy kilka rodzajów sygnałów biologicznych Badanie jest częścią projektu PRECOG, którego celem jest analiza przedświadomych reakcji neuralnych i behawioralnych. Projekt rozpoczął się w czerwcu 2023 roku. Pracowali nad nim inżynierowie, neurolodzy, specjaliści w dziedzinie technologii mowy, sztucznej inteligencji i lingwistyki, a także psychiatrzy kliniczni. Kierował nim Shrikanth Narayanan, profesor University of Southern California, związany między innymi z uczelnianymi wydziałami inżynierii, informatyki i sztucznej inteligencji. W opisywanych pracach badacze analizowali trzy grupy sygnałów. Pierwszą stanowiły sygnały neurologiczne rejestrowane za pomocą EEG. Drugą była aktywność elektrodermalna, czyli zmiany przewodnictwa skóry związane z reakcjami potowymi. Trzecią grupę tworzyły wskaźniki behawioralne uzyskiwane ze śledzenia wzroku. Następnie inżynierowie stosowali modele klasyfikacyjne, w tym metody głębokiego uczenia, aby szukać wzorców odróżniających osoby zdrowe, osoby z depresją i osoby zgłaszające myśli samobójcze. ## Jedno zadanie pozwoliło obserwować reakcje mózgu, oczu i skóry Rdzeniem badania było zadanie oceny zdań o sobie. Uczestnicy czytali 160 stwierdzeń odnoszących się do własnych przeżyć, różniących się zabarwieniem emocjonalnym. Wśród przykładów znalazło się zdanie „I feel sad a lot of the time”, czyli „Często czuję smutek”. Po przeczytaniu każdego stwierdzenia badani wskazywali, czy się z nim zgadzają, czy nie. W tym samym czasie rejestrowano aktywność mózgu, ruchy oczu oraz zmiany przewodnictwa skóry. Zastosowanie języka miało pozwolić na kontrolowane wywołanie reakcji związanych z przetwarzaniem emocji i informacji o sobie. Dani Byrd, profesor lingwistyki i współautorka prac, podkreślała, że język jest głęboko związany z ludzkim doświadczeniem. Ponieważ ocena stanu psychicznego często opiera się na rozmowie między klinicystą a pacjentem, badacze potraktowali reakcję na zdania jako dodatkowe okno na procesy emocjonalne i poznawcze. Sygnały EEG rejestrowano za pomocą systemu z 64 elektrodami. Pozwalało to śledzić aktywność mózgu z dokładnością do kolejnych milisekund po pojawieniu się słowa. W jednej z analiz najbardziej wiarygodne różnice między badanymi grupami pojawiały się od 300 do 600 milisekund po prezentacji słowa. Jest to przedział związany z przetwarzaniem znaczenia i treści emocjonalnej. Trzy zespoły zastosowały różne podejścia obliczeniowe do tych samych lub powiązanych zapisów EEG. Analizowano między innymi różnice w odpowiedzi mózgu na zdania pozytywne i negatywne oraz potencjały wywołane, czyli odpowiedzi na konkretne bodźce lub zdarzenia poznawcze. W grupie osób z depresją odnotowano słabszą odpowiedź N400 podczas przetwarzania treści negatywnych. Badacze opisali także osłabienie odpowiedzi N170, które wydawało się powiązane z nasileniem myśli samobójczych i pomagało odróżniać ryzyko samobójcze od samej depresji. ## Ruchy oczu i reakcja skóry dostarczyły innych informacji Drugi kierunek badań dotyczył wzroku. Ruchy oczu są w dużej mierze automatyczne i trudniejsze do świadomego kontrolowania niż odpowiedzi udzielane w ankiecie. Z tego powodu mogą dostarczać informacji o uwadze i przetwarzaniu poznawczym. Uczestników obserwowano za pomocą systemu śledzenia wzroku SR Research EyeLink 1000 Plus z wykorzystaniem podczerwieni, podczas gdy wykonywali to samo zadanie oceny zdań. Po zebraniu danych naukowcy zastosowali algorytm głębokiego uczenia, czyli deep learning, do wyszukania wzorców związanych z depresją i myślami samobójczymi. Najwięcej informacji klasyfikacyjnych miały dostarczać poziome ruchy wzroku, zwłaszcza podczas przetwarzania zdań negatywnych. Uczestnicy zdrowi częściej wykazywali uporządkowane wzorce patrzenia zgodne z wyborem odpowiedzi „nie zgadzam się” przy negatywnych treściach. U osób z myślami samobójczymi wzorce były bardziej rozproszone lub wskazywały na mniejsze zaangażowanie w oglądany obszar. Badacze sprawdzili również, czy aktywność elektrodermalna może być obiektywnym biomarkerem depresji i myśli samobójczych. Reakcje potowe są związane z pobudzeniem układu współczulnego i zachodzą bez świadomego sterowania. Podczas zadania rejestrowano reakcje skóry na słowa o znaczeniu emocjonalnym, a następnie analizowano nie tylko ich średni poziom, lecz także moment wystąpienia i intensywność poszczególnych odpowiedzi. Najsilniejsze informacje klasyfikacyjne miały wiązać się z reakcjami na słowa negatywne. W grupach z depresją i myślami samobójczymi reakcje fizjologiczne na takie treści były zmienione. - EEG ujawniało różnice w reakcjach mózgu na treści emocjonalne, szczególnie w przedziale od 300 do 600 milisekund po prezentacji słowa. - W analizie potencjałów wywołanych opisano osłabienie odpowiedzi N400 przy negatywnych treściach u osób z depresją oraz zmiany odpowiedzi N170 powiązane z nasileniem myśli samobójczych. - Poziome ruchy wzroku miały dostarczać najwięcej informacji o różnicach między grupami podczas przetwarzania negatywnych zdań. - W aktywności elektrodermalnej istotne były czas i intensywność reakcji na słowa emocjonalne, a nie tylko średnia aktywność skóry w całym zadaniu. ## Narzędzie ma uzupełniać ocenę kliniczną Autorzy nie przedstawiają systemu jako zamiennika obecnych ocen zdrowia psychicznego. Ich celem jest dodanie do rozmów, wywiadów klinicznych i kwestionariuszy kolejnej warstwy informacji, opartej na rejestrowanych reakcjach fizjologicznych i behawioralnych. Dani Byrd zaznaczyła, że rozwiązanie ma wspierać psychiatrów w podejmowaniu decyzji opartych na większej liczbie danych oraz w dokładniejszym rozpoznawaniu momentów, w których potrzebna może być interwencja. Wyniki należy interpretować jako podstawę do dalszej oceny modeli, a nie jako gotowy test diagnostyczny dostępny w praktyce. Klasyfikacja grup na podstawie sygnałów biologicznych nie oznacza, że pojedynczy pomiar może samodzielnie potwierdzić depresję albo przewidzieć zachowanie konkretnej osoby. Znaczenie takich narzędzi zależy od jakości danych, sposobu zaprojektowania zadania oraz późniejszego sprawdzenia, czy modele działają wiarygodnie poza warunkami badania. Sam projekt jest ukierunkowany na wsparcie oceny, a nie na zastąpienie kontaktu z pacjentem. ## Pięć prac opisuje różne biomarkery i metody obliczeniowe Projekt PRECOG zaowocował pięcioma pracami opisanymi w materiale. Badanie ruchów oczu u młodych dorosłych, prowadzone przez Kleanthisa Avramidisa, opublikowano w npj Digital Medicine pod tytułem „Deep Learning Characterizes Depression and Suicidal Ideation in Young Adults From Eye Movements”. Trzy prace dotyczyły sygnałów EEG. Colin McDaniel kierował badaniem „Neural Evidence of Disrupted Self-Referential Processing in Suicidal Depression”, opublikowanym w Journal of Affective Disorders. Woojae Jeong był głównym autorem pracy „Time-Resolved EEG Decoding Reveals Altered Neural Dynamics of Affective Semantic Evaluation in Depression and Suicidality” w Communications Biology, a Aditya Kommineni kierował badaniem „Neural Responses to Affective Sentences Reveal Signatures of Depression” w Translational Psychiatry. Piąta praca, także kierowana przez Avramidisa, dotyczyła modelu reakcji przewodnictwa skóry podczas zadania Stroopa i przewidywania depresji oraz myśli samobójczych. Jest dostępna jako preprint na serwerze arXiv. Współautorami prac byli między innymi Narayanan, Byrd oraz Rael Cahn, kliniczny profesor psychiatrii i nauk behawioralnych. Materiał informuje również o jednej dodatkowej pracy projektu, która w chwili publikacji znajdowała się w procesie wydawniczym. ## Wyjaśnienie pojęć ### [Elektroencefalografia](https://najnowsze-informacje.pl/definicje/elektroencefalografia) Metoda rejestrowania aktywności elektrycznej mózgu za pomocą elektrod umieszczonych na głowie. W projekcie EEG pozwalało śledzić odpowiedzi na poziomie milisekund podczas czytania zdań. ### [EDA](https://najnowsze-informacje.pl/definicje/eda) Oprogramowanie do automatyzacji projektowania elektroniki, wykorzystywane między innymi przy tworzeniu i sprawdzaniu układów scalonych. ### [głębokie uczenie](https://najnowsze-informacje.pl/definicje/glebokie-uczenie) Metoda uczenia maszynowego wykorzystująca wielowarstwowe sieci neuronowe do samodzielnego wykrywania wzorców i cech w danych. ## Źródło pierwotne [MedicalXpress](https://medicalxpress.com/news/2026-08-brain-eye-movements-ai-depression.html) --- ## Informacje do cytowania - **Autor:** Redakcja - **Data publikacji:** 2026-08-05T12:33:10.887Z - **Ostatnia aktualizacja:** 2026-08-05T12:33:27.098Z - **Kategoria:** Zdrowie - **Adres kanoniczny:** [https://najnowsze-informacje.pl/zdrowie/naukowcy-testuja-ai-analizujaca-pot-sygnaly-mozgu-i-ruchy-oczu](https://najnowsze-informacje.pl/zdrowie/naukowcy-testuja-ai-analizujaca-pot-sygnaly-mozgu-i-ruchy-oczu) - **Wersja Markdown:** [https://najnowsze-informacje.pl/zdrowie/naukowcy-testuja-ai-analizujaca-pot-sygnaly-mozgu-i-ruchy-oczu/index.md](https://najnowsze-informacje.pl/zdrowie/naukowcy-testuja-ai-analizujaca-pot-sygnaly-mozgu-i-ruchy-oczu/index.md) **Sugerowane cytowanie:** > Najnowsze Informacje, „Naukowcy testują AI analizującą pot, sygnały mózgu i ruchy oczu”, 2026-08-05, https://najnowsze-informacje.pl/zdrowie/naukowcy-testuja-ai-analizujaca-pot-sygnaly-mozgu-i-ruchy-oczu