AI新技能：从脑部扫描中监测患者自杀倾向

在美国15岁到34岁的年轻人口中，自杀已经成为第二大死亡原因，而临床医生手头的医疗工具仍十分有限，很难诊断出患者的自杀风险。但一篇今天发布于《Nature Human Behaviour》的论文表示，新兴机器学习技术可以帮助医生识别出患者的自杀倾向。

研究人员研究了34位年轻人，将他们平均分配为自杀组和控制组。每一组都做了功能性磁共振造影，在磁共振造影的同时，研究人员向他们展示了三组单词，每组10个词。

这些单词有的和自杀有关（如「死亡」「痛苦」「致命」等），也有积极性词汇（如「无忧无虑」、「善良」、「纯真」）或消极性词汇（「无聊」、「邪恶」、「内疚」）。研究人员还使用了预先映射神经学特征来展示大脑的情绪模式，如「羞耻」和「愤怒」。

研究表明，最好的检测标记有五个大脑位置和六个单词，它们可以帮助识别出有自杀倾向的患者。利用这些位置和单词，研究者训练出了一套机器学习分类器，并成功在17位有自杀倾向的患者中识别出了15位，在17位控制组对象中识别出了16位。

随后，研究人员将自杀倾向患者分成两组，一组曾有过试图自杀的行为（9人），另一组则没有过（8人）。接着训练出了新的识别器，对这17人中的16人都做出了正确分类。

结果显示，健康人群和有自杀倾向的患者对单词有着明显不同的反应。举例来说，当有自杀倾向的患者看到「死亡」这个词，他们大脑中的「羞耻」区块就会点亮，而且比控制组要亮出许多。类似地，「麻烦」这个词也会让大脑的「悲伤」区块更为活跃。

这是将AI用于神经病学的最新尝试。研究人员正在努力研究机器学习项目，研究范围涵盖了核磁共振分析和重度抑郁症预测，希望从人们的语言模式中检测出创伤后应激障碍症。

今年年初，《Wired》曾报道过一批研究人员开发了一套系统，可以从人们的健康记录中标记出自杀风险，准确度在80%-90%。Facebook也在利用文字挖掘技术识别有自杀或自残倾向的用户，并为他们提供心理治疗信息。

人工智能已经在医疗领域掀起了巨大波澜。已经有算法可以在CT扫描中很好地检测出肿瘤和其他问题。Geoffrey Hinton是深度学习领域最重要的研究人员之一，他告诉《纽约客》，放射科医生最终将失业。 他说：“他们现在应该停止放射科医师的培训。”

在这种情况下，这项研究其实更可能会启发新型人为驱动疗法，而不是取代整个领域的医生。 该文件指出，识别不同的模式和领域，可能为脑刺激技术提出了新的研究目标。 识别对自杀相关术语的特定情绪反应也可用于心理治疗师的工作中。

——————————————

文章采集自互联网，版权问题请与我们取得联系。

SaaSPad (www.saaspad.com) 是专注AI/BI/ML领域的科技网站，我们分享国内外的成功理论和经验，建立行业人士交流探讨的社区，欢迎访问官网。