【網易智能訊11月1日消息】自殺是美國15-34歲年輕人死亡的第二大原因, 而臨床醫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佔一半. 每個實驗對象都經過功能性磁共振成像 (fMRI) 檢查, 並給出了三個包含10個單詞的列表. 所有辭彙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製的神經訊號圖, 這些訊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, 被發現是區分自殺患者和對照組的最佳標誌. 利用這些位置和辭彙, 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.
隨後, 研究人員將自殺的患者分成兩組, 一組有過自殺經曆 (9人) , 另一組沒有自殺經曆 (8人) , 並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' 區域比對照組中參與者的大腦相應區域亮的多. 同樣, '麻煩' 這個單詞也會在 '悲傷' 區域引發更多的腦部活動.
這是旨在將人工智慧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鬱症, 再到從人們的說話模式中識別創傷後應激障礙 (PTSD) .
今年早些時候, 《連線》雜誌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, 然後將其指向心理健康資源 (見 'Facebook的自殺預防工具的幾大問題' ) .
人工智慧已經在醫學領域掀起了波瀾. 有一些演算法非常善於檢測腫瘤和CT掃描中出現的其他問題, 而傑弗裡·新敦告訴《紐約客》, 放射科醫生最終將會失業. 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放射科醫生. '
在這種情況下, 這項研究更有可能激發出新的人類驅動的治療方法, 而不是讓一整個領域的醫生失去工作. 這篇論文指出, 識別不同的模式和區域可以為大腦刺激技術開發新的領域. 確定對自殺相關術語的特定情緒反應, 也可用於心理治療師治療患者.