居然如此智能：AI能識別人腦自殺傾向

自殺是美國15-34歲年輕人死亡的第二大原因，而臨床醫(yī)生只能使用有限的手段來識別那些具有自殺傾向的人。今日發(fā)表在《自然人類行為》的一篇論文中記錄了一種新型機器學習技術，該技術可幫助識別那些有自殺想法的人。

研究人員對34名年輕人進行了調查，有自殺傾向的參與者和實驗對照組各人數占一半。每個實驗對象都經過功能性磁共振成像（fMRI）檢查，并給出了三個包含10個單詞的列表。所有詞匯均與以下三個方面相關，自殺（如“死亡”、“痛苦”或“致命”）、積極影響（“無憂無慮”、“善良”、“天真”）或消極影響（“無聊”、“邪惡”、“內疚”）。研究人員還使用了之前繪制的神經信號圖，這些信號可顯示大腦的情緒模式，比如“羞恥”和“憤怒”。

五個大腦定位，連同六個單詞，被發(fā)現是區(qū)分自殺患者和對照組的最佳標志。利用這些位置和詞匯，研究人員訓練了一種機器學習分類器，它能夠正確識別17名自殺者中的15名有自殺傾向參與者，以及17名對照受試者中的16名無自殺傾向參與者。

隨后，研究人員將自殺的患者分成兩組，一組有過自殺經歷（9人），另一組沒有自殺經歷（8人），并訓練了一種新的分類器，它能夠正確識別17名患者中的16名患者。

結果顯示，心理健康的參與者和有自殺想法的人對單詞的反應明顯不同。例如，當有自殺傾向的參與者看到“死亡”這個詞時，他們大腦中的“羞恥”區(qū)域比對照組中參與者的大腦相應區(qū)域亮的多。同樣，“麻煩”這個單詞也會在“悲傷”區(qū)域引發(fā)更多的腦部活動。

這是旨在將人工智能引入精神病學的最新嘗試。研究人員正在研究機器學習項目，從分析核磁共振波譜到預測重度抑郁癥，再到從人們的說話模式中識別創(chuàng)傷后應激障礙（PTSD）。

今年早些時候，《連線》雜志曾報道過一些研究人員，他們建立了一個系統，可以通過分析健康記錄來標記有自殺風險的人，準確率在80%到90%之間。Facebook正在使用文本挖掘技術來識別面臨自殺或自殘風險的用戶，然后將其指向心理健康資源（見“Facebook的自殺預防工具的幾大問題”）。

人工智能已經在醫(yī)學領域掀起了波瀾。有一些算法非常善于檢測腫瘤和CT掃描中出現的其他問題，而杰弗里·新敦告訴《紐約客》，放射科醫(yī)生最終將會失業(yè)。他是深度學習領域最重要的研究人員之一。事實上，他說，“他們現在應該停止培養(yǎng)放射科醫(yī)生。”

在這種情況下，這項研究更有可能激發(fā)出新的人類驅動的治療方法，而不是讓一整個領域的醫(yī)生失去工作。這篇論文指出，識別不同的模式和區(qū)域可以為大腦刺激技術開發(fā)新的領域。確定對自殺相關術語的特定情緒反應，也可用于心理治療師治療患者。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。