자살은 미국에서 15 세에서 34 세 사이의 청소년 사망 원인 중 두 번째로 큰 사망 원인이며, 임상의는 자살 경향이있는 사람들을 식별하기 위해 제한된 수단 만 사용할 수 있습니다. 오늘날 "자연 인간 행동 (Behavior) "이라는 제목의 글에서 자살 충동을 가진 사람들을 식별하는 데 도움이되는 새로운 기계 학습 기술을 기록했습니다.
연구진은 각각 자살 참여자와 실험적인 통제 그룹을 가진 34 명의 젊은이를 대상으로 설문 조사를 실시했으며, 각각은 기능성 자기 공명 영상 (fMRI) 검사를 받았고 10 명 자살 (예 : '사망', '고통스러운'또는 '치명적'), 긍정적 영향 ( '평온함', '친절', '순진') 또는 다음 세 가지 측면과 관련된 단어 목록 : 연구원들은 또한 '수치심'과 '분노'와 같은 뇌의 감정적 인 패턴을 나타내는 이전에 그려진 신경 학적 신호를 사용했다.
5 개의 뇌 표적과 6 개의 단어가 자살과 통제 집단을 구별하는 가장 좋은 징후로 밝혀졌으며, 이들 위치와 어휘를 사용하여 17 명의 자살을 정확하게 식별 한 기계 학습 분류기를 훈련했습니다 15 명의 자살 충동 환자 중 16 명은 자살 경향이없는 16 명이었습니다.
그 결과, 연구자들은 자살 환자를 자살 경험 (9 명), 자살 경험자 (8 명), 새로운 분류 자 (17 명)를 훈련시켜 두 집단으로 나누었다. 환자 16 명.
그 결과, 정신 건강에 참여한 사람들과 자살 충동을 가진 사람들은 자살 주의자들이 '죽음'이라는 단어를 보았을 때 뇌의 '수치스러운'영역이 대조군보다 더 큰 단어와 다르게 반응하는 것으로 나타났습니다 마찬가지로 '문제'라는 단어는 '슬픈'영역에서 더 많은 뇌 활동을 유발합니다.
이것은 인공 지능을 정신과로 가져 오는 최신 시도이며 연구원들은 NMR 스펙트럼 분석에서부터 주요 우울 장애 예측에 이르기까지 사람들의 언어 패턴으로부터 PTSD를 확인하는 것까지 기계 학습 프로젝트를 연구하고 있습니다. .
올해 초 와이어드 매거진 (Wired magazine)은 일부 연구원이 건강 기록을 분석하여 자살 위험을 기록 할 수있는 시스템을 구축했으며 정확도는 80 ~ 90 %라고 보도했다. 자살 또는 장애 위험에 직면 한 사용자를 식별하기위한 텍스트 마이닝 기술을 사용하고 정신 건강 자료 ( 'Facebook의 자살 방지 도구'몇 가지 문제 '참조)를 지적하십시오.
인공 지능은 의료 분야에서 파동을 일으켰으며 일부 알고리즘은 종양 및 CT 스캔에서 다른 문제를 발견하는 데 매우 뛰어 났으며 Jeffrey Newton은 "뉴요커"에게 방사선학자가 결국 실직하게 될 것이라고 말합니다. 연구 분야에서 가장 중요한 연구원 중 한 명. 사실 그는 '방사선과 의사 개발을 이제 중단해야한다'고 말했다.
이 경우 연구는 전체 분야의 의사가 직업을 잃게하는 것보다 새로운 인간 중심 요법을 자극 할 가능성이 더 높습니다.이 논문은 뇌 자극을 위해 다양한 패턴과 지역을 식별 할 수 있음을 지적합니다 새로운 영역. 자살 관련 용어에 대한 특정한 정서적 반응이 환자 치료를 위해 심리 치료사에게도 사용될 수 있습니다.