דיכאון מהווה נטל כבד על בריאות הנפש בניגריה, אך כיסוי סינון נמוך בגלל מחסור ברופאים, סטיגמה ומחסומי שפה. כלים מסורתיים כמו שאלון PHQ-9 תוקפו במדינות עשירות אך אינם נגישים לשפות מקומיות כמו פידג'ין ניגרי ומאות ניבים אחרים. מחקר חדש מציג גישה חדשנית: התאמת דגמי שפה גדולים (LLMs) לסינון דיכאון אוטומטי בשיחה בפידג'ין ניגרי, ומבטיחה פתרון זמין לקהילות מוחלשות.
חוקרים אספו מאגר נתונים של 432 תגובות אודיו בפידג'ין מנוער ניגרי בני 18-40 לשאלות המבוססות על פריטי PHQ-9. הם ביצעו תמלול, עיבוד מקדים קפדני, תיוג סמנטי, פרשנות סלנג ואידיומים, וציון חומרת דיכאון לפי PHQ-9. שלושה דגמים הותאמו למאגר זה: Phi-3-mini-4k-instruct, Gemma-3-4B-it ו-GPT-4.1. הביצועים נבחנו בכמותית (דיוק, דיוק ויישור סמנטי) ובאיכותית (בהירות, רלוונטיות והתאמה תרבותית).
GPT-4.1 הצטיין עם דיוק של 94.5% בחיזוי חומרת דיכאון לפי PHQ-9, ועקף את Gemma-3-4B-it ו-Phi-3-mini-4k-instruct. באיכותית, הוא ייצר תגובות תרבותיות מתאימות, ברורות ורלוונטיות להקשר. המחקר מספק בסיס לפריסת כלי בריאות נפשית שיחתיים בסביבות מגוונות לשונית ומצומצמות במשאבים.
הגישה הזו חשובה במיוחד למדינות בעלות הכנסה נמוכה ובינונית, שבהן גישה לטיפול נפשי מוגבלת. היא מדגימה כיצד AI יכול להתאים לשפות מקומיות ולאתגרים תרבותיים, ומשפר גישה לבריאות נפשית. בניגריה, עם למעלה מ-520 שפות, זהו צעד משמעותי להפחתת סטיגמה והגברת סינון מוקדם.
למנהלי עסקים ומפתחי טכנולוגיה בישראל, המחקר מדגיש פוטנציאל של LLMs מותאמים אישית בתחומי בריאות דיגיטלית. הוא מעודד פיתוח כלים דומים לשווקים מגוונים, כולל קהילות ערביות או אתיופיות בישראל, ומבטיח השפעה גלובלית על בריאות נפשית. מה תהיה ההשפעה כאן?