使網路閱讀成為最高樂趣。

結合腦成像技術與人工智慧,破除自殺的「詛咒」


- 2017年12月27日02時26分
- 科學文摘 / 36氪

36氪

編者按:自殺已經成為了一個公共健康領域的「詛咒」,正在奪取越來越多的生命。在很多時候,自殺是能夠避免的,關鍵在於能不能提前發現人們腦中的自殺傾向,並及時地提供幫助。近日發表的一項研究,介紹了一種通過人工智慧與腦成像技術結合的方法來預測自殺傾向的方法。在初步的試驗中,準確率達到了91%。Wired對此作了報導,並梳理了技術幫助人們自殺的相關研究趨勢。文章由36氪編譯。

結合腦成像技術與人工智慧,破除自殺的「詛咒」圖片

當一個人選擇結束自己的生命時,他們通常會留下一些未解的問題。比如,「他們為什麼要這麼做?」「我們為什麼沒看到這個呢?」「為什麼我不早點幫他們呢?」


如果能從外部很容易診斷出來自殺傾向,那它就不是當今公共健康的一種「詛咒」了。2014年,高水平,使其成為年輕人死亡的第二大原因。這樣的情況下,如果你能進入一個人的腦袋,並且能夠知道他會在什麼時候去自殺呢?結果可能會好很多。

這正是科學家們在大腦掃描和人工智慧的幫助下試圖做的事情。在近日發表在《自然人類行為》(Nature Human

Behavior)上的一項研究中,卡內基梅隆大學和匹茲堡大學的研究人員通過觀察自殺個體的大腦在功能磁共振成像機中發光的模式,分析了他們對生與死的想法和感受的不同。然後,他們訓練了一種機器學習算法將這些信號分離出來——例如,在提到「死亡」一詞時,大腦額葉會變成一個發光的斑點。計算分類器有超過90%準確率,能夠識別出有自殺傾向者。此外,它還能從那些有自殺想法的人中,區分出那些真正嘗試過自殺的人。

問題是,像這樣的功能磁共振成像(fMRI)研究存在一些眾所周知的缺陷。首先,這項研究的樣本規模較小,只有34個受試者。因此,儘管該算法可能擅長識別這組大腦中特定的斑點,但在更廣泛的人群中,它的效果可能並不明顯。另一個困擾著功能磁共振成像研究的難題是:僅僅因為兩件事同時發生,並不能證明二者存在因果關係。那麼,就有一種關於同義反覆的問題需要擔心,比如,科學家們決定大腦的某些部分做某些事情,然後當他們觀察到一組精心挑選的觸發點來「點燃」它們,爆發了,然後就得到了確定的結果。

在這一研究中,研究人員對17名年齡在18到30歲之間的年輕人進行了研究,這些人最近向他們的治療師報告了自己的自殺傾向。然後,他們招募了17名神經正常的參與者作為控制組,並將他們分別放入功能磁共振成像掃描儀中。在這個過程中,受試者會隨機看到30個單詞。總體來說,10個是正面的,10個是負面的,10個是與死亡和自殺相關的。然後,研究人員讓被試者思考出現在他們面前螢幕上的每一個單詞。比如說,「『麻煩』對你意味著什麼?」「『無憂無慮』呢?它的關鍵概念是什麼?」研究人員對每個單詞進行了記錄,並記錄下了受試者的腦血流量,以找出他們大腦的哪些部分似乎在工作。

結合腦成像技術與人工智慧,破除自殺的「詛咒」圖片


功能磁共振成像掃描了兩組人對「死亡」一詞的思考。左邊的是有自殺傾向的人。右邊是控制組。

然後,他們將這些腦部掃描結果輸入機器學習分類器。對於每個單詞,他們都會告訴這個算法,掃描結果是屬於有自殺傾向者,還是屬於控制組,他們對所有30個單詞的結果進行了測試。最後,分類器可以可靠地分辨掃描結果,並在判斷那個人是否曾考慮過自殺方面有91%的成功率。為了觀察它是否能更廣泛地分析人們,研究人員又把21名有自殺傾向者的掃描結果交給了它,因為他們的腦部掃描結果太亂,他們被排除在主要分析之外。在分析「死亡、殘忍、麻煩、無憂無慮、善良和讚揚」這六個最具歧視的概念後,分類器發現那些想到過自殺的人的準確率為87%。

卡內基梅隆大學的心理學家、論文的第一作者Marcel Just說:「它仍然能在更嘈雜的數據中表現良好,這一事實告訴我們,這個模型具有普遍性。」但他表示,該方法需要更多的測試,以確定它能否成功監控或預測未來的自殺企圖。將具有與沒有自殺風險的人群進行對比,並不等同於直接進行腦部掃描,然後發現人們可能存在自殺傾向。

但這是一個開始。現在,醫生知道病人是否在想傷害自己的唯一方法是,他們是否會向治療師報告。但還有很多人不會這樣做。一項對在醫院或出院後立即自殺的人的研究中,幾乎有80%的人不會想到他們最後看到的精神保健專家。因此,我們確實需要更好的預測工具。人工智慧是填補這一空白的真正機會。但可能不是用功能磁共振成像的數據。

這是不現實的。掃描可能需要花費幾千美元,而保險公司只有在有正當理由的情況下才會支付這些花費。比如,醫生認為診斷出你的問題的唯一方法就是把你放在一個巨大的磁鐵上。雖然很多神經科學論文都使用了功能磁共振成像技術,但在診所里,這種成像程序只是用於罕見病例。由於這個原因,大多數醫院都沒有配備這種機器。正因為如此,他們才打算在患者在頭部帶著電子傳感器的情況下複製這項研究。這將會生成腦電圖,簡稱EEGs,價格是功能磁共振成像設備的百分之一。他們的想法是將預測性的腦部掃描信號與相應的腦電圖讀數聯繫起來,這樣醫生就可以用更便宜的測試來識別高危患者。


其他科學家已經在挖掘更容易獲取的數據,以尋找自殺即將來臨的跡象。佛羅里達州立大學和范德比爾特大學的研究人員最近用3250個電子病歷對機器學習算法進行了訓練,這些人在過去20年的某個時間嘗試過自殺。它通過年齡、性別、處方和醫療歷史等因素來識別人,而不是他們的大腦活動模式。它預測自殺傾向的成功率為85%。

「作為一名執業醫生,這些東西本身都不可能對我產生影響,但電腦可以識別哪些特徵組合對自殺風險具有預測性,」范德比爾特大學的內科和臨床信息專家Colin

Walsh說。他正在努力把自己幫助開發的算法變成一種監控工具,在納什維爾,醫生和其他醫療保健專業人員可以用來監視病人。「要用於實際使用,它必須圍繞著定期收集的數據進行循環。沒有新的測試。就沒有新的成像研究。我們正在研究醫療記錄,因為這是醫療保健服務已經開始提供服務的地方。」

而另一些人則在更上游的地方收集數據。公共健康研究人員正在研究谷歌搜索,。Facebook正在掃描,尋找可能存在自殘風險的詞語組合。,它可以被動地接收聲音信號,從而顯示抑鬱和情緒波動。。所有這些努力的目標是讓人們在網際網路和社交媒體上接觸到那些有自殺傾向的人,而不是等著他們走進醫院的大門或者去尋找功能磁共振成像的幫助。

原文連結:

編譯組出品。編輯:郝鵬程


熱門內容

友善連結



八方快聞是一個網路文摘網站,在浩瀚的網海中摘選即時的、優質的、知識的及趣味性的網路文章給大家欣賞,八方快聞努力做到讓每一個人,能夠使用所有裝置在不同時間地點,都能夠輕鬆享受數位時代的閱讀樂趣。