您的位置:首页 >  新闻中心 > 行业动态
  行业动态
 

AI新技能:从脑部扫描中监测患者自杀倾向

来源:原创    时间:2017-11-02    浏览:0 次

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。