Constructing Depression Prediction Model using Machine Learning Algorithms
ผู้ร่วมเขียนบทความ
ผู้ช่วยศาสตราจารย์ ดร.วาทินี นุ้ยเพียร
First Author/Corresponding · คณะครุศาสตร์อุตสาหกรรม
Sorawit Hanumas
Author
Kannika Plangklang
Author · สำนักคอมพิวเตอร์และเทคโนโลยีสารสนเทศ
ข้อมูลการนำเสนอ
- ประเภทบทความประชุมวิชาการ
- 8th International Conference on Natural Language Processing and Information Retrieval, NLPIR 2024
- โครงการวิจัย/บริการวิชาการ ที่เกี่ยวข้อง
- —
- ชื่อการประชุม
- 8th International Conference on Natural Language Processing and Information Retrieval, NLPIR 2024
- สถานที่จัดการประชุม
- Okayama
- ประเทศ
- ไทย
- วันที่เริ่มการประชุม (พ.ศ.)
- 13 ธ.ค. 2567
- วันที่สิ้นสุดการประชุม (พ.ศ.)
- 15 ธ.ค. 2567
- ฐานข้อมูลที่ตีพิมพ์
- Scopus
ผลการวิเคราะห์ AI
การเชื่อมโยงกับเป้าหมายการพัฒนาที่ยั่งยืน (SDGs)
เป้าหมายที่ 3 สุขภาพและความเป็นอยู่ที่ดี
ความเชื่อมโยง: งานวิจัยนี้มุ่งเน้นการสร้างแบบจำลองเพื่อทำนายภาวะซึมเศร้าโดยใช้อัลกอริทึมการเรียนรู้ของเครื่อง (Machine Learning) ซึ่งเป็นเครื่องมือสำคัญในการคัดกรองและวินิจฉัยปัญหาสุขภาพจิตในระยะเริ่มต้น ช่วยลดความเสี่ยงของการเจ็บป่วยเรื้อรังและการฆ่าตัวตาย
เป้าหมายย่อยที่ 3.4 — ลดการตายก่อนวัยอันควรจากโรคไม่ติดต่อให้ลดลงหนึ่งในสาม ผ่านทางการป้องกันและการรักษาโรค และสนับสนุนสุขภาพจิตและความเป็นอยู่ที่ดี ภายในปี พ.ศ. 2573
ความเชื่อมโยง: การใช้ Machine Learning เพื่อทำนายภาวะซึมเศร้าเป็นการส่งเสริมสุขภาพจิตและสุขภาวะ โดยใช้เทคโนโลยีเข้ามาช่วยลดอัตราการเจ็บป่วยจากโรคไม่ติดต่อและปัญหาสุขภาพจิต
ตัวชี้วัดที่ 3.4.2 — อัตราการฆ่าตัวตาย
ความเชื่อมโยง: การทำนายและตรวจพบภาวะซึมเศร้าได้ล่วงหน้าอย่างแม่นยำ มีส่วนช่วยโดยตรงในการป้องกันการฆ่าตัวตาย ซึ่งเป็นตัวชี้วัดสำคัญของเป้าหมายย่อยนี้
เป้าหมายที่ 9 อุตสาหกรรม นวัตกรรม และโครงสร้างพื้นฐาน
ความเชื่อมโยง: เป็นการประยุกต์ใช้เทคโนโลยีสารสนเทศขั้นสูงและการประมวลผลภาษาธรรมชาติ (NLP) เพื่อสร้างนวัตกรรมด้านการดูแลสุขภาพ (HealthTech) ซึ่งเป็นการเพิ่มขีดความสามารถทางเทคโนโลยีในอุตสาหกรรมซอฟต์แวร์และการแพทย์
เป้าหมายย่อยที่ 9.5 — เพิ่มพูนการวิจัยทางวิทยาศาสตร์ยกระดับขีดความสามารถทางเทคโนโลยีของภาคอุตสาหกรรมในทุกประเทศ โดยเฉพาะในประเทศกำลังพัฒนา และให้ภายในปี พ.ศ. 2573 มีการส่งเสริมนวัตกรรมและให้เพิ่มจำนวนผู้ทำงานวิจัยและพัฒนา ต่อประชากร 1 ล้านคน และเพิ่มค่าใช้จ่ายในการวิจัยและพัฒนาในภาครัฐและเอกชน
ความเชื่อมโยง: งานวิจัยนี้เป็นการเสริมสร้างการวิจัยทางวิทยาศาสตร์และยกระดับขีดความสามารถทางเทคโนโลยี ผ่านการพัฒนาอัลกอริทึมที่มีประสิทธิภาพในการวิเคราะห์ข้อมูลสุขภาพ
ตัวชี้วัดที่ 9.5.1 — สัดส่วนของค่าใช้จ่ายด้านการวิจัยและพัฒนา ต่อ GDP
ความเชื่อมโยง: บทความวิจัยที่ตีพิมพ์ในฐานข้อมูลระดับนานาชาติ (Scopus) และนำเสนอในงานประชุมวิชาการ NLPIR 2024 สะท้อนถึงการลงทุนและการดำเนินงานด้านการวิจัยและพัฒนา (R&D)