AI新技能：從腦部掃描中監(jiān)測患者自殺傾向
來源：原創(chuàng) 時間：2017-11-02 瀏覽：0 次
在美國15歲到34歲的年輕人口中，自殺已經(jīng)成為第二大死亡原因，而臨床醫(yī)生手頭的醫(yī)療工具仍十分有限，很難診斷出患者的自殺風險。但一篇今天發(fā)布于《 Nature Human Behaviour》的論文表示，新興機器學習技術可以幫助醫(yī)生識別出患者的自殺傾向。
研究人員研究了34位年輕人，將他們平均分配為自殺組和控制組。每一組都做了功能性磁共振造影，在磁共振造影的同時，研究人員向他們展示了三組單詞，每組10個詞。
這些單詞有的和自殺有關（如「死亡」「痛苦」「致命」等），也有積極性詞匯（如「無憂無慮」、「善良」、「純真」）或消極性詞匯（「無聊」、「邪惡」、「內(nèi)疚」）。研究人員還使用了預先映射神經(jīng)學特征來展示大腦的情緒模式，如「羞恥」和「憤怒」。
研究表明，最好的檢測標記有五個大腦位置和六個單詞，它們可以幫助識別出有自殺傾向的患者。利用這些位置和單詞，研究者訓練出了一套機器學習分類器，并成功在17位有自殺傾向的患者中識別出了15位，在17位控制組對象中識別出了16位。
隨后，研究人員將自殺傾向患者分成兩組，一組曾有過試圖自殺的行為（9人），另一組則沒有過（8人）。接著訓練出了新的識別器，對這17人中的16人都做出了正確分類。
結果顯示，健康人群和有自殺傾向的患者對單詞有著明顯不同的反應。舉例來說，當有自殺傾向的患者看到「死亡」這個詞，他們大腦中的「羞恥」區(qū)塊就會點亮，而且比控制組要亮出許多。類似地，「麻煩」這個詞也會讓大腦的「悲傷」區(qū)塊更為活躍。
這是將AI用于神經(jīng)病學的最新嘗試。研究人員正在努力研究機器學習項目，研究范圍涵蓋了核磁共振分析和重度抑郁癥預測，希望從人們的語言模式中檢測出創(chuàng)傷后應激障礙癥。
今年年初，《Wired》曾報道過一批研究人員開發(fā)了一套系統(tǒng)，可以從人們的健康記錄中標記出自殺風險，準確度在80%-90%。Facebook也在利用文字挖掘技術識別有自殺或自殘傾向的用戶，并為他們提供心理治療信息。
人工智能已經(jīng)在醫(yī)療領域掀起了巨大波瀾。已經(jīng)有算法可以在CT掃描中很好地檢測出腫瘤和其他問題。Geoffrey Hinton是深度學習領域最重要的研究人員之一，他告訴《紐約客》，放射科醫(yī)生最終將失業(yè)。 他說：“他們現(xiàn)在應該停止放射科醫(yī)師的培訓。”
在這種情況下，這項研究其實更可能會啟發(fā)新型人為驅動療法，而不是取代整個領域的醫(yī)生。 該文件指出，識別不同的模式和領域，可能為腦刺激技術提出了新的研究目標。 識別對自殺相關術語的特定情緒反應也可用于心理治療師的工作中。
