Socialt assisterande robotik: robotassisterad diagnos av depression hos kvinnor i samband med förlossning

Huvudhandledare: Ginevra Castellano
Bihandledare: Fotis Papadopoulos, Natasa Sladoje, and Vera van Zoest

Vad har du för utbildningsbakgrund?
Master of Science i IT och kognition, Köpenhamns Universitet
Kandidatexamen i maskinteknik, South China University of Technology

Varför ansökte du till WOMHERs tvärvetenskapliga forskarskola?
Det är en stor chans för mig att arbeta i en tvärvetenskaplig miljö, vilket ger mig möjligheter att kommunicera med kolleger som har samma intressen men olika kompetens.

Berätta mer om ditt forskningsprojekt?
Det är 16000 kvinnor som drabbas av peripartum depression (PPD) i Sverige varje år och majoriteten förblir odiagnostiserad och obehandlad. Detta förskningsprojekt syftar till att utforma, utveckla och utvärdera nya metoder för robotassisterad diagnos av PPD hos kvinnor.

Vad är en social robot ?
En social robot har en fysisk kropp som har vissa mänskliga egenskaper (t.ex. huvud, ögon, mun, armar) som gör att den kan interagera med människor på sätt som liknar hur människor kommunicerar och interagerar med världen (t.ex. genom att prata eller använda sociala signaler som ansiktsuttryck eller gester).
I detta projekt kommer vi att utveckla mjukvaruprogram som tillsammans med sensorer som kameror och mikrofoner gör det möjligt för en social robot att lära sig interagera med människor och att genomföra en psykiatrisk intervju och i senare skede att kunna beräkna en sannolikhet om en kvinna har PPD eller inte. Det finns för närvarande inga studier som undersöker robotassisterad diagnos av depression. Det är därför viktigt att bedriva forskning för att förstå hur man kan involvera kliniker och patienter i utvecklingsprocessen för dessa nya verktyg.

Projektet kommer undersöka flera viktiga vetenskapliga utmaningar inom socialt assisterande robotik för att uppnå användarcentrerad robotassisterad diagnos av peripartum depression (PPD). Den första vetenskapliga utmaningen är hur man utformar ett intervjuscenario som ger möjlighet för robotar att hjälpa kliniker att diagnostisera PPD. Den andra vetenskapliga utmaningen handlar om hur man utvecklar machine learning baserade metoder för tidig identifiering av kvinnor med hög risk för PPD och för en robotassisterad diagnos som ger möjlighet för en robot att lära sig av kliniker hur man genomför intervjuer och automatiskt förutsäger PPD-typer. Slutligen är den tredje vetenskapliga utmaningen hur man utvecklar metoder för robotassisterad diagnos som är socialt accepterade av patienter och kliniker och som följer principerna för pålitlig AI.

Vad hoppas du att effekten av detta projekt ska bli?
Resultat av projekten kan leda till kliniska system för diagnosstöd inom primärvården och eller psykiatri.

Övrig information, referenser och länkar

Zhong, M., Bilal, A. M., Papadopoulos, F. C., & Castellano, G.. (2021). Psychiatrists’ Views on Robot-Assisted Diagnostics of Peripartum Depression. In Advanced Data Mining and Applications (pp. 464–474). Advanced Data Mining and Applications.

Uppsala social robotics Lab: https://usr-lab.github.io/