准确率达93%！AI预测精神类疾病更进一步
来自埃默里大学和哈佛大学的研究团队在npj Schizophrenia杂志上发表一项研究结果称：机器学习在人类语言中发现隐藏线索——“频繁使用与声音相关的词汇可预测精神类疾病的后期出现”。他们还开发了一种新的机器学习方法，可以更精确地量化人们会话时语言的语义丰富程度（一种已知的精神病指标）。
该项研究结果对于精神类疾病的预测精度更高，比之前IBM的计算精神病学和神经成像研究小组一直在研究利用机器学习预测人类罹患精神疾病的风险，AI算法预测精神疾病的准确率是83%，还要多出10%。该研究结果增加了证据显示使用机器学习识别与精神类疾病相关的语言异常的可能性。
目前许多临床医生未曾注意，有精神病风险的人使用的与声音相关的词汇比正常人要多。“在与人交谈中听到这些声音的异常和微妙之处，就像用肉眼看微小细菌一样困难”，该论文的第一作者Neguine Rezaii说，我们开发的系统可以检测到隐藏在细微之处的异常声音。Rezaii目前是哈佛医学院神经学系的研究员，她曾在埃默里大学医学院精神病学和行为科学系任职期间开始撰写论文。
众所周知，精神分裂症的常见症状有：出现幻觉，听到不存在的声音，记忆混乱，专家医生表明，精神分裂症的前兆包括：讲话不清、语义模糊、常讨论声音。精神分裂症与其他精神类疾病的发病通常发生在20岁左右，并且在17岁左右开始出现前驱症状。约25％-30％符合精神病前驱症状的青少年会患上精神分裂症或其他精神疾病。专业心理医生通过对患者的访谈和认知测试，他们能80%预测精神疾病。而机器学习在该领域的应用研究旨在简化诊断方法、识别新的患病因素并提高疾病预测的准确性。
目前，精神疾病还没有完全的治愈方法，该项研究也还在进行中。但如果能够识别出早期存在患病风险的人群并及早对其进行干预措施，精神疾病发病情况可以得到延缓，其治愈性会有更进一步的发展。尤其是现在专业精神卫生人员较为短缺的情况下，AI将发挥非常重要的作用，给病患带来极大帮助。
在AI预测精神疾病先前的研究中，将对话分析局限于衡量语意连贯性(semantic coherence)，即审视人们如何跨语句运用词汇。而埃默里大学与哈佛大学研究团队使运用Word2Vec软件为Reddit30,000名用户的在线对话建立语料库，从而分析对话中的个别词汇，可将意义类似的单字对应至语意空间(semantic space)内邻近的位置，而意义差别极大的词汇则远远隔开，此外并新增一个额外的程序拓展系统分析语意的能力。
语意密度可提供更深入的信息，以及评估人们如何组合词汇成为语句，这能对人们组成语句的思考程序提供更好的指标，例如低语意密度代表对话内容贫乏或含糊，连同对话中高频率使用着重语音(voice)与声响的词汇都是精神失常的前兆。
接着研究团队将参与北美前驱症状纵观研究(NAPLS)的40个人的诊断面谈对话输入机器学习系统，并将分析结果跟基线与NAPLS的诊断进行比对，结果显示这40个人当中，后来确实发展成精神失常的人使用与声响相关词汇的次数高于基线，此外也更常使用意义相近的词汇。这也印证了埃默里大学与哈佛大学研究团队的机器学习系统在预测个人日后确诊罹患精神异常的准确率可达93%。
图片来源：pixabay
研究人员称：“这项研究有趣之处在于它不仅能揭示更多关于精神疾病的信息，还有助于理解人类大脑是如何将各种想法组合在一起。机器学习技术发展，未来还能提供挖掘人类大脑的数据。”研究团队现在正收集更大的数据集，并测试这套系统包括在痴呆症在内的多种神经精神疾病上的应用。
在临床领域，人工智能的高速发展、机器学习的进步未来可更好赋能人类医学的发展！
药明康德AI整理编译
文章来源：Emory Health Science
新闻出处：www.sciencecodex.com
作者：Carol Clark
题图来源：pixabay
参考资料
[1] https://www.sciencecodex.com/whisper-schizophrenia-machine-learning-finds-sound-words-predict-psychosis-627339
[2] https://kuaibao.qq.com/s/20190620A0M9IV00?refer=cp_1026
点击图片阅读：流感来势汹汹！AI结合大数据可提前预测流感趋势？
点击图片阅读：来自中国的临床一线，一项你可能还没听说过的重要AI研究
点击图片阅读：“涡轮增压”流感疫苗——全球首个AI独立设计药物进入人体试验阶段