机器学习能发现具有自杀倾向的病人

科学家可以使用机器学习算法来区分想自杀的病人。资料来源:respondr.io

最近，一个美国研究小组在《自然-人类行为》杂志的在线版上发表了一篇论文(论文链接)。它指出，使用机器学习技术来描述人脑中与死亡和生命相关的概念，可以非常准确地区分有自杀想法的患者和没有自杀想法的个体。该方法还可以进一步区分那些试图自杀的人和那些没有自杀的人。

根据世界卫生组织的统计，每年大约有80万人自杀。评估自杀风险是心理健康临床医生面临的最大挑战之一:有自杀想法的患者往往会隐瞒自己的意图，临床医生对自杀风险的预测也不尽人意。因此，人们迫切需要依靠的不仅仅是自我报告的自杀风险标记。

宾夕法尼亚卡内基梅隆大学的马塞尔·贾斯特、大卫·布伦特和他的同事向有自杀想法的病人和对照组个人展示了死亡和与生命相关的词语。在这个过程中，他们被功能磁共振成像扫描。结果表明，对6个词(死亡、残忍、麻烦、无忧无虑、善良和赞扬)的神经活动反应和5个脑区的神经活动能最好地区分想自杀的患者和对照组个体。

研究人员随后训练了一种机器学习算法，利用这些信息来识别哪些受试者是患者，哪些是对照受试者。该算法准确识别了对照组17名自杀患者中的15名和17名健康个体中的16名。之后，作者只研究了想自杀的病人。他们被分成两组:尝试过自杀的人(9)和没有尝试过自杀的人(8)。研究人员训练了一种新算法，可以准确识别其中的16种。

本研究样本数量不多，因此有必要进行重复实验。然而，正如Barry Horwitz在相应的新闻和观点文章中所说，如果它被复制并扩展到其他精神疾病组，Just和他的同事开发的方法以及类似的功能性神经成像方法将有望成为诊断神经精神疾病的主要医疗工具。(唐毅宸)