在美国 15-34 岁年轻人口的死因中，自杀位居第二，但一直以来，都没有什么可靠的手段能准确评估哪些人正在冒出自杀的倾向。不过，今日《自然·人类行为》期刊发文称，一种新的机器学习技术将有助于识别那些被自杀念头困扰的人。
受测试的共包括 34 名青年，自杀倾向组和控制组各占一半。每个被测试者都在接受功能核磁共振扫描的同时，还要看三组单词，每组 10 个。这些单词要么跟自杀有关——“死亡”、“抑郁”、“致命”，要么跟正面心态有关——“无忧无虑”、“友好”“天真无邪”，要么跟负面心态有关——“无趣”、“邪恶”、“内疚”。此外，科学家还收集了对应“羞愧”和“愤怒”等情绪的大脑活动模式图像。
通过分析，科学家确定：5 个大脑区域和与之对应的 6 个词汇能最有效地区分自杀倾向组和控制组。使用这些大脑区域和对应词汇，科学家训练了一个机器学习分类器。17 名自杀倾向者中，有 15 人被正确分类；而 17 名控制组成员中，有 16 名被正确分类。
科学家进一步将自杀倾向者分为 2 类——过去有过自杀行为 9 人和过去无自杀行为 8 人，并据此改进了分类器。17 名自杀倾向者中，有 16 人被新分类器正确识别出来。
研究结果显示：正常人和自杀倾向者对于词语的反应存在显著差异。例如：自杀倾向者看到词语“死亡”时，他们的大脑“羞愧”区域的活动强度显著高于控制组。此外，词语“麻烦”也会在自杀倾向者的大脑“悲伤”区域激发更强的活动。
不过，AI 在精神病学领域的应用研究绝非仅此一例。一个基于机器学习的项目就正在通过分析大脑功能核磁共振图像和人类语言模式，对人类的重度抑郁症和创伤后压力心理障碍症 进行预测。 年初，据另一个研究小组报道，他们基于健康记录的分类器可以识别出有自杀倾向的人，准确率在 80%-90%。 也通过词语分析技术，识别有自杀、自我伤害倾向的人，然后向他们精准推送精神健康方面的信息。
人工智能正在医学领域发挥越来越大的作用。近日，深度学习专家 on 就对媒体表示，鉴于目前算法在从 CT 图片上识别肿瘤和其他病灶方面的能力已经非常强大，放射医学专家很可能要面临失业的窘况。他表示：“现在可以不用再培养放射医学专家了。”
当然，《自然》的一篇报道还暂时不会威胁到医生饭碗。论文表示，对大脑区域和对应活动模式的研究有助于开发新的大脑刺激技术。此外，识别自杀相关词语的特定情绪反应对于精神病医生治疗病人也有帮助。
-End-
