【网易智能讯11月1日消息】自杀是美国15-34岁年轻人死亡的第二大原因, 而临床医生只能使用有限的手段来识别那些具有自杀倾向的人. 今日发表在《自然人类行为》的一篇论文中记录了一种新型机器学习技术, 该技术可帮助识别那些有自杀想法的人.
研究人员对34名年轻人进行了调查, 有自杀倾向的参与者和实验对照组各人数占一半. 每个实验对象都经过功能性磁共振成像 (fMRI) 检查, 并给出了三个包含10个单词的列表. 所有词汇均与以下三个方面相关, 自杀 (如 '死亡' , '痛苦' 或 '致命' ) , 积极影响 ( '无忧无虑' , '善良' , '天真' ) 或消极影响 ( '无聊' , '邪恶' , '内疚' ) . 研究人员还使用了之前绘制的神经信号图, 这些信号可显示大脑的情绪模式, 比如 '羞耻' 和 '愤怒' .
五个大脑定位, 连同六个单词, 被发现是区分自杀患者和对照组的最佳标志. 利用这些位置和词汇, 研究人员训练了一种机器学习分类器, 它能够正确识别17名自杀者中的15名有自杀倾向参与者, 以及17名对照受试者中的16名无自杀倾向参与者.
随后, 研究人员将自杀的患者分成两组, 一组有过自杀经历 (9人) , 另一组没有自杀经历 (8人) , 并训练了一种新的分类器, 它能够正确识别17名患者中的16名患者.
结果显示, 心理健康的参与者和有自杀想法的人对单词的反应明显不同. 例如, 当有自杀倾向的参与者看到 '死亡' 这个词时, 他们大脑中的 '羞耻' 区域比对照组中参与者的大脑相应区域亮的多. 同样, '麻烦' 这个单词也会在 '悲伤' 区域引发更多的脑部活动.
这是旨在将人工智能引入精神病学的最新尝试. 研究人员正在研究机器学习项目, 从分析核磁共振波谱到预测重度抑郁症, 再到从人们的说话模式中识别创伤后应激障碍 (PTSD) .
今年早些时候, 《连线》杂志曾报道过一些研究人员, 他们建立了一个系统, 可以通过分析健康记录来标记有自杀风险的人, 准确率在80%到90%之间. Facebook正在使用文本挖掘技术来识别面临自杀或自残风险的用户, 然后将其指向心理健康资源 (见 'Facebook的自杀预防工具的几大问题' ) .
人工智能已经在医学领域掀起了波澜. 有一些算法非常善于检测肿瘤和CT扫描中出现的其他问题, 而杰弗里·新敦告诉《纽约客》, 放射科医生最终将会失业. 他是深度学习领域最重要的研究人员之一. 事实上, 他说, '他们现在应该停止培养放射科医生. '
在这种情况下, 这项研究更有可能激发出新的人类驱动的治疗方法, 而不是让一整个领域的医生失去工作. 这篇论文指出, 识别不同的模式和区域可以为大脑刺激技术开发新的领域. 确定对自杀相关术语的特定情绪反应, 也可用于心理治疗师治疗患者.