自殺是美國15-34歲年輕人死亡的第二大原因，而臨床醫(yī)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(fā)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(shù)，該技術(shù)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(diào)查，有自殺傾向的參與者和實驗對照組各人數(shù)占一半。每個實驗對象都經(jīng)過功能性磁共振成像（fMRI）檢查，并給出了三個包含10個單詞的列表。所有詞匯均與以下三個方面相關(guān)，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(nèi)疚”）。研究人員還使用了之前繪制的神經(jīng)信號圖，這些信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(fā)現(xiàn)是區(qū)分自殺患者和對照組的最佳標志。利用這些位置和詞匯，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。

隨后，研究人員將自殺的患者分成兩組，一組有過自殺經(jīng)歷（9人），另一組沒有自殺經(jīng)歷（8人），并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(jié)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(qū)域比對照組中參與者的大腦相應區(qū)域亮的多。同樣，“麻煩”這個單詞也會在“悲傷”區(qū)域引發(fā)更多的腦部活動。

這是旨在將人工智能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郁癥，再到從人們的說話模式中識別創(chuàng)傷后應激障礙（PTSD）。

今年早些時候，《連線》雜志曾報道過一些研究人員，他們建立了一個系統(tǒng)，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(shù)來識別面臨自殺或自殘風險的用戶，然后將其指向心理健康資源（見“Facebook的自殺預防工具的幾大問題”）。

人工智能已經(jīng)在醫(yī)學領(lǐng)域掀起了波瀾。有一些算法非常善于檢測腫瘤和CT掃描中出現(xiàn)的其他問題，而杰弗里·新敦告訴《紐約客》，放射科醫(yī)生最終將會失業(yè)。他是深度學習領(lǐng)域最重要的研究人員之一。事實上，他說，“他們現(xiàn)在應該停止培養(yǎng)放射科醫(yī)生。”

在這種情況下，這項研究更有可能激發(fā)出新的人類驅(qū)動的治療方法，而不是讓一整個領(lǐng)域的醫(yī)生失去工作。這篇論文指出，識別不同的模式和區(qū)域可以為大腦刺激技術(shù)開發(fā)新的領(lǐng)域。確定對自殺相關(guān)術(shù)語的特定情緒反應，也可用于心理治療師治療患者。