NetEase Intelligence News, 1er novembre Le suicide est la deuxième cause de décès chez les jeunes de 15 à 34 ans aux États-Unis, et les cliniciens ne peuvent utiliser que des moyens limités pour identifier ceux qui ont tendance à se suicider. Actes, "un document qui documente un nouveau type de technologie d'apprentissage automatique qui aide à identifier les personnes qui ont des pensées suicidaires.
Les enquêteurs ont mené une enquête auprès de 34 jeunes avec la moitié des participants suicidaires et le groupe témoin expérimental, chacun d'entre eux ayant été soumis à une imagerie par résonance magnétique fonctionnelle (IRMf) et a donné trois échantillons contenant 10 (Tels que «mort», «douleur» ou «mortelle»), influence positive («insouciante», «bonne», «naïve») ou Les effets négatifs («ennuyeux», «diabolique», «culpabilité») Les chercheurs ont également utilisé les cartes de signaux neuronaux précédemment dessinés qui montrent les schémas émotionnels du cerveau, tels que «honte» et «colère».
Cinq cibles cérébrales, accompagnées de six mots, se sont avérées être les meilleurs signes de distinction entre les groupes suicidaires et témoins. En utilisant ces positions et leur vocabulaire, les chercheurs ont formé un classificateur automatique qui a identifié correctement 17 suicides. Parmi les 15 participants suicidaires, et 16 des 16 sujets témoins sans tendances suicidaires.
Par la suite, les chercheurs ont divisé les patients suicidés en deux groupes, l'un avait une expérience de suicide (9), l'autre n'avait aucune expérience du suicide (huit) et a formé un nouveau classificateur, qui a été capable d'identifier correctement le suicide. 16 patients chez le patient.
Les résultats ont montré que les participants en santé mentale et ceux qui avaient des pensées suicidaires réagissaient différemment aux mots, par exemple, lorsque les participants suicidaires voyaient le mot «mort», leur zone de «honte» était plus grande que celle du groupe témoin. De la même manière, le mot «trouble» déclenche également plus d'activité cérébrale dans les zones «tristes».
C'est la dernière tentative d'apporter l'intelligence artificielle à la psychiatrie, et les chercheurs étudient des projets d'apprentissage automatique allant de l'analyse des spectres RMN à la prédiction du trouble dépressif majeur à l'identification du syndrome de stress post-traumatique, .
Plus tôt cette année, le magazine Wired a rapporté un certain nombre de chercheurs qui ont créé un système permettant d'identifier les personnes à risque de suicide en analysant les dossiers de santé avec un taux d'exactitude de 80% à 90%. Des techniques d'exploration de texte pour identifier les utilisateurs à risque de suicide ou d'automutilation, puis les diriger vers des ressources en santé mentale (voir «Quelques grandes questions sur l'outil de prévention du suicide de Facebook»).
L'intelligence artificielle a déclenché des vagues dans le domaine médical, et certains algorithmes sont très bons pour détecter d'autres problèmes dans les tumeurs et les tomodensitogrammes, et Jeffrey Newton dit au «New Yorker» que le radiologue finira par être au chômage. L'un des chercheurs les plus importants dans le domaine de l'étude. En fait, il a dit: «Ils devraient maintenant cesser de développer des radiologues."
Dans ce cas, l'étude est plus susceptible de stimuler de nouvelles thérapies dirigées par l'homme plutôt que de laisser les médecins dans l'ensemble du domaine perdre leur travail. Cet article souligne que l'identification de différents modèles et régions peut être développée pour la stimulation cérébrale Nouveaux domaines Des réponses émotionnelles spécifiques aux termes liés au suicide peuvent également être utilisées chez les psychothérapeutes pour traiter les patients.