根据本周《自然-人类行为》在线发表的一篇论文Machine learning of neural representations of suicide and emotion concepts identifies suicidal youth，利用机器学习技术表征人脑内的死亡和生命相关概念，可以高度准确地区分具有自杀想法的病人和无自杀想法的个体。该方法还可以在具有自杀想法的人中，进一步区分出哪些做出过自杀尝试，而哪些没有。

根据世界卫生组织统计，每年约有80万人自杀身亡。评估自杀风险是心理健康临床医生面临的最大挑战之一：具有自杀想法的病人常常掩盖其自身意图，而临床医生对自杀风险的预测也一直不甚理想。因此，我们亟需不依赖于自我报告的自杀风险标记。

PeopleImages / DigitalVision / Getty

美国卡内基梅隆大学的Marcel Just、David Brent和同事向具有自杀想法的病人和对照组个体展示死亡和生命相关单词，在此过程中对他们进行功能性磁共振成像扫描。结果发现，对其中六个单词（死亡、残忍、麻烦、无忧无虑、良好和赞美）的神经活动应答以及五个脑区的神经活动最能区分想自杀的病人和对照组个体。之后，作者训练一个机器学习算法使用该信息来鉴定哪些被试是病人，哪些是对照组个体。算法准确鉴定出17位自杀组病人中的15位，以及17位对照组健康个体中的16位。之后，作者仅研究想自杀的病人，他们被分为两个小组：曾尝试过自杀（9位）和未尝试过自杀（8位）。作者训练了一个新的算法，它准确鉴定出了其中16位的情况。

自杀组和对照组的大脑稳定体素群。

Just et al.

该研究样本数量不大，因此有必要进行重复实验。尽管如此，正如Barry Horwitz在相应的新闻与观点文章Identifying suicidal young adults中所说的，如果复制并扩展到其它精神疾病群体，那么Just与同事开发出的方法与类似的功能性神经造影方法将有望成为诊断神经精神疾病的主要医学工具。ⓝ

nathumbehav|doi:10.1038/s41562-017-0234-y

↓长按并提取二维码阅读论文

Machine learning of neural representations of suicide and emotion concepts identifies suicidal youth

点击“阅读原文”阅读新闻与观点

Psychiatry: Identifying suicidal young adults