心理醫生可能要失業？AI輔助精神疾病診斷典型案例分享

普通的心理診療，醫生首先要對病人的精神情況進行初診，通過數次類似心理採訪的直覺來判斷症狀，憑經驗診斷出精神疾病種類，然後對症擬定治療方案，包括使用何種藥物、多大藥量等。然而受醫生主觀判斷和經驗的限制，可能在診斷上出現錯誤，導致遲遲不能確診，或者不能正確判斷用藥種類和劑量，耽誤病情。

在這個機器學習大行其道的時代，人工智能在精神病醫學上的應用愈加廣泛，而且在診斷和治療的階段都有介入。人工智能在實驗中表現出相當高的判斷準確性，有超過人類的趨勢，並有望在未來精神疾病診療中起到重要作用。

不過，如果要用人工智能輔助精神疾病的藥物干預，必須要進行詳細研究、驗證。例如，雖然用語言分析技術診斷精神分裂症已被證實有相當高的準確性，但這也僅是一次試驗的結果。況且，至今沒有人對抑鬱症和躁鬱症的症狀建立相應模型。

AI用到實踐中依然是長路漫漫，尤其對精準性的要求。Siri在識別蘇格蘭口音上總出問題，這也許是無傷大雅，但在醫療領域，小錯誤卻會造成毀滅性的後果。“如果有種技術有20%的出錯率（或者80%的正確率），我是絕對不會把它用到病人身上的。”哈佛大學教授Vahabzadeh說。

再加上年齡、性別、種族、地區等因素，人工智能帶來的風險就會更大。如果一個人工智能系統的數據來源人群都是屬於同一人口統計學類別的，再去測試其他人群，即使是正常樣本也會被誤判。“有些特定的族群，說話的聲音比較輕柔，或者有的人因為生理因素，活動量受到限制，那麼人工智能把他們誤診為抑鬱症也是情有可原的。”要加強機器學習在精神疾病中的應用，目前只有通過更大的人類行為數據庫來提供更多的“訓練”。也許在不久之後，人工智能科技就可以解決精神疾病診療人員短缺的現狀，並極大地削減人力成本。

儘管如此，目前市面上已經出現了一些比較不錯的利用AI輔助精神疾病診斷的方案。動脈網（）為你介紹一些人工智能在精神領域的應用和新動向，以及它們面臨的一些挑戰。

1.NeuroLex Diagnostics：幫助診斷精神分裂症

精神分裂症人群講話有非常顯著的特徵，常表現為非自主發聲：講話中短句居多，語義混亂，“這個”、“那個”、“一個”之類的模糊詞使用頻率高，句與句連起來的表意含糊不清。2015年，一組研究人員根據精神分裂症的語言特徵製作了一個人工智能模型，通過分析談話記錄，準確地預測出了哪一組年輕人可能患精神錯亂（精神分裂症主要症狀）。

NeuroLex Diagnostics公司的CEO Jim Schwoebel想要用這種技術來幫助初診醫生篩選出精神分裂症患者。NeuroLex的產品邏輯是這樣：把智能手機等可錄音設備安裝在治療室隱祕處，錄下談話內容，然後使用上述研究裡用到的人工智能模型來尋找患病線索。系統會自動用數字表徵患病嚴重程度（就像血壓計一樣），併為醫生提供診斷參考。

NeuroLex Diagnostics致力於分析話語，提升健康

精神分裂症篩選器這個發明已經讓Schwoebel獲得了美國精神病學會獎勵。此外，NeuroLex還想為正在醫院裡進行精神病治療的病人制造一種產品，除了診斷精神疾病，還能進一步對病患進行長期的語言分析，以此記錄病情進展。

Schwoebel做這件事有個重要的私人原因：他的哥哥患有精神分裂症，在真正開始治療之前，經過了10多次的初診才終於確診，後續的藥物治療也一次又一次宣告無效。這也讓Schwoebel開始思考，對於需要藥物治療精神分裂症的人來說，怎麼才能儘快找到最佳藥方，以及正確的用藥量。

NeuroLex為了研究精神分裂症的用藥問題，擬定了一個對病人的臨床觀察計劃：如果在某種用藥方案之後，語言分析顯示病人的症狀減輕，那就證明方案有效；反之，人工智能就會建議儘快開始另一種治療方案，減少錯誤用藥的傷害。在數據積累到一定量以後，系統還可以分析特徵相似的歷史案例，從而推薦有效的用藥方案。

2.Companion：“被動觀測”心理狀態

對於抑鬱症、創傷後應激障礙等精神健康受損人群來說，精神崩潰可能表現為一種緩慢發作的形式，情緒危機不會只從一次心理治療中完全顯現。

“每一階段的抑鬱或躁狂都可能對大腦造成一些損傷。”在美國麻省總醫院做醫療實踐的哈佛教授Thilo Deckersbach如是說。醫院的線上“情緒研究網絡”將與Cogito人工智能公司合作，測試一個叫"Companion"的手機軟件，這個軟件能夠觀測患者的活動、通話、短信、說話方式等特徵，來標記早期的精神問題徵兆。

比起讓患者寫病情日記等方法，此類“被動觀測”方法效果更顯著。哈佛教授David Ahern說，主觀記錄的過程太過冗繁，大多在三個月之內就會被棄用。比如心理健康量表，要求病人每天回答6個心理狀態問題（如感到平靜和放鬆的頻率）及8個生活方式問題（如睡眠、鍛鍊情況），還建議每天（周）記錄17種心理疾病症狀的發生與否，如心情低落、攻擊性行為等。“很悲哀，大多數人就是做不好這個，”Deckersbach說，“他們不想時時刻刻都關注自己的情緒。”

自主心理健康量表大多在三個月內被棄用

“被動觀測”則不會讓人們在情緒上分心。僅僅是把手機帶在身上，GPS、加速度傳感器、電話和短信記錄就會收集到很多的精神狀況信息。Companion應用裡的"Out and About（走動情況）"可以觀測活動量，這正是抑鬱症的衡量標準之一。電話和信息的數量還能透露患者的社交聯結程度，這是判斷創傷後應激障礙的一個指標。唯一一個要用戶親自做的，就是每天錄一段10秒~10分鐘的音頻，通過分析聲調、語速、和“聲音緊張程度”來判斷心理狀況。

Companion APP記錄語音、活動量、社交情況，“被動觀測”取得良好效果

3.Ginger.io：精神衛生領域的Uber

Ginger.io這個APP在2011年剛上線的時候，是一個提供免費專業心理學量化的工具，如果結果顯示某種心理疾病的風險，就會警示用戶的家人或醫生。這個APP同樣是用到了機器學習的技術，追溯症狀規律，把用戶的心理特徵和具體的精神問題聯繫起來。至今，Ginger.io共收集了140多萬份完整問卷，40多家醫療機構都曾使用Ginger.io來協助處理病例。

“這幾年下來，我們意識到Ginger.io的機會比我們預想的要大得多。”Ginger.io的CEO Anmol Madan說。現在Ginger.io開設了自己的心理醫療付費訂閱服務，可以讓用戶和被稱為“心理教練”的顧問進行無限制交流，還在加州開放了50分鐘一次的視頻治療，這讓它成為“精神衛生領域的Uber”。

Ginger.io將人工智能和醫生視頻診療結合，“心理教練”服務打造“精神衛生領域的Uber”

“單純走技術路線是走不遠的，”Madan說。“我們相信，讓每個人都能接受高質量的精神健康呵護這一點，應當被納入人權。但是隻提供技術手段來實現這個理想顯然行不通。”用人工智能對複雜症狀進行精確分析，結合心理醫生對病人的真實情感關照，也許是未來精神疾病治療的最優方案。

【相關閱讀】

作者：劉露詩

_x（添加時請註明：姓名-公司-職位。）

歡迎個人轉發到朋友圈

網站、公眾號等轉載請聯繫授權

動脈網所刊載內容之知識產權為動脈網及/或相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、複製及建立鏡像等任何使用。

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