在評估心理健康問題時，AI

編者按：根據美國國立衛生研究院的調查，美國大約 20％ 的青少年存在心理健康問題。不過心理健康專家所使用的工具越來越智能了，他們通過人工智能技術來對患者進行診斷，結果通常要比人類診斷更準確。本文作者 Peter Rejcek 在科學新聞方面有數十年的經驗。

《自殺與威脅生命行為》雜誌發表的一項研究表明，在識別患者的自殺傾向時，機器學習的準確率高達93％。該研究由辛辛那提兒童醫院醫療中心教授 John Pestian 領導，來自三個地區醫院的 379 名青少年患者參與。根據該大學的新聞稿，每個患者完成了標準的行為等級評估，並參與了半結構式訪談，回答了五個開放式問題。研究人員分析了測試者的有聲語言和非言語行為，然後通過機器學習算法得出準確的結果，確定測試者是否有自殺傾向、是否有精神疾病但無自殺傾向，以及其他的可能。

Pentian 在新聞稿中表示，這些計算方法為自殺行為的保護和預防帶來了技術創新，是勢在必行的。根據美國自殺學協會的研究，在 2014 年，自殺是美國第十大死亡原因，但確是年齡在 15 歲至 24 歲的人群的第二大死亡原因。

近來在《心理學公報》上發表的一項研究進一步突出了社會對於預防自殺的工具的需求。通過對過去 50 年進行的 365 項研究的薈萃分析發現，精神健康專家預測某人是否會嘗試自殺的概率幾乎是隨機概率。

哈佛大學的作家 Joseph Franklin 在給 Singularity Hub 的電子郵件表示：導致這種情況的主要原因之一是研究人員幾乎總是使用單一因素（例如抑鬱症診斷）來預測這類事件。患者的這種思想和行為背後的複雜本質需要考慮幾十個甚至幾百個因素來做出準確的預測。

Franklin 等人在今年早些時候給《Psychological Medicine 》的投稿中表示，機器學習和相關技術是心理健康治療的理想選擇。僅使用一個因素回送結果的搜索引擎是無效的，預測自殺行為的嘗試亦是如此。

包括他在哈佛大學的同事 Matthew K. Nock 在內的波士頓的研究人員在使用機器學習來預測自殺行為時準確度為 70％-85％。不過研究仍處於初始階段，樣本量較小。

Franklin 補充道：

Pestian 團隊的工作也很有意思，他們使用的有聲模式/自然語言處理方法在這一領域是迄今為止獨一無二的。雖然還有一些限制，但他們的研究是與過去 50 年來研究人員一直在做的事情的截然不同的創新。

根據 Franklin 的說法，機器學習目前尚未被用在治療方面，而大多數常規的治療自殺心理疾病的方法乏善可陳。即使幾個尖端組織即將掌握能夠準確地預測整個醫療保健系統的自殺行為的 AI 技術，但我們還不清楚應該如何幫助這些將自己置於危險中的人降低風險。

為此，Franklin 和同事開發了一個名為 Tec-Tec 的免費應用程序，似乎能有效地減少自殘和自殺行為。該應用程序基於一種稱為評價性條件反射的心理技術，通過不斷地配對某些詞和圖像，改變某些對象和概念的關聯。在遊戲式的設計中，Tec-Tec 試圖改變可能增加自傷行為風險的因素的關聯。

Franklin 等人正在開展其他試驗，有望通過機器學習創建適用於每個人的應用程序，並與最需要治療的患者建立連接。

捕捉精神分裂症的患者的語言

去年，在《精神分裂症》雜誌上發表的一項研究中，研究人員也在使用機器學習算法預測高危青年的遲發性神經病時取得了的結果。34 名參加者在兩年半的測試期內每季度都會接受評估。

自動分析方法根據測試者回答的句子程度和數量等條件，對採訪筆錄進行了一致性和語音複雜性的評估。

計算機通過對語言特徵的分析來預測測試者後續的精神病發展情況，準確率達到 100％，效果優於臨床訪談。文章表示，計算機科學在自然語言處理等方面的最新進展為精神病臨床試驗未來的開發奠定了基礎。

注意力缺陷多動障礙(ADHD)的早期診斷

在目前正在進行的一個項目中，來自德州大學阿靈頓分校（UTA）和耶魯大學的科學家設計了一個結合了計算能力和精神病學的人工智能系統，用來評估青少年時期的常見疾病 ADHD，根據美國疾病控制與預防中心的說法，年齡介於 8 至 15 歲的兒童和青少年患病率高達 8.5%。

根據 UTA 的新聞稿，該研究使用“計算機視覺、機器學習和數據挖掘的最新方法”在兒童進行某些身體和上機練習時對他們進行評估，通過測試孩子們的注意力、決策能力和情緒管理的能力，並對數據進行分析，以確定最佳干預類型。

UTA 計算機科學與工程系的 Fillia Makedon 教授表示：

我們相信，這種計算方法將為我們提供可量化的早期診斷方法，並幫助我們監測進展情況。尤其可以幫助兒童克服學習困難，讓他們享受健康而充實的生活。

緊密關注自閉症患者

同時，紐約州立大學布法羅分校的一個團隊開發了一個移動應用程序，可以在幼兒兩歲時檢測出自閉症譜系障礙（ASD），準確率近 94％。研究結果是在最近的 IEEE 無線健康會議上公佈的。

ASD 患者的眼睛運動通常與其他人的眼睛運動不同，該應用程序可以在孩子查看社交場景圖片時跟蹤孩子的眼睛運動，如查看含有多個人的照片。

根據疾病預防控制中心的報告，美國約每 68 名兒童中有就有1人被診斷為 ASD。紐約州立大學目前的研究項目有 32 名年齡從 2 歲到 10 歲的兒童參與，該項目計劃在未來擴大研究規模。

該應用程序的測試僅需要 1 分鐘，可以在家長的幫助下在家裡完成，以確定孩子是否需要專業評估。

紐約州立大學工程與應用科學學院助理教授徐文耀認為，這項技術彌補了自閉症患者與診斷和治療之間的差距。

注：此資訊源于網路收集，如有健康問題請及時咨詢專業醫生。

相關問題