在评估心理健康问题时，AI 工具真的要打败人类医生了

编者按：根据美国国立卫生研究院的调查，美国大约 20％ 的青少年存在心理健康问题。不过心理健康专家所使用的工具越来越智能了，他们通过人工智能技术来对患者进行诊断，结果通常要比人类诊断更准确。本文作者 Peter Rejcek 在科学新闻方面有数十年的经验。

《自杀与威胁生命行为》杂志发表的一项研究表明，在识别患者的自杀倾向时，机器学习的准确率高达93％。该研究由辛辛那提儿童医院医疗中心教授 John Pestian 领导，来自三个地区医院的 379 名青少年患者参与。根据该大学的新闻稿，每个患者完成了标准的行为等级评估，并参与了半结构式访谈，回答了五个开放式问题。研究人员分析了测试者的有声语言和非言语行为，然后通过机器学习算法得出准确的结果，确定测试者是否有自杀倾向、是否有精神疾病但无自杀倾向，以及其他的可能。

Pentian 在新闻稿中表示，这些计算方法为自杀行为的保护和预防带来了技术创新，是势在必行的。根据美国自杀学协会的研究，在 2014 年，自杀是美国第十大死亡原因，但确是年龄在 15 岁至 24 岁的人群的第二大死亡原因。

近来在《心理学公报》上发表的一项研究进一步突出了社会对于预防自杀的工具的需求。通过对过去 50 年进行的 365 项研究的荟萃分析发现，精神健康专家预测某人是否会尝试自杀的概率几乎是随机概率。

哈佛大学的作家 Joseph Franklin 在给 Singularity Hub 的电子邮件表示：导致这种情况的主要原因之一是研究人员几乎总是使用单一因素（例如抑郁症诊断）来预测这类事件。患者的这种思想和行为背后的复杂本质需要考虑几十个甚至几百个因素来做出准确的预测。

Franklin 等人在今年早些时候给《Psychological Medicine 》的投稿中表示，机器学习和相关技术是心理健康治疗的理想选择。仅使用一个因素回送结果的搜索引擎是无效的，预测自杀行为的尝试亦是如此。

包括他在哈佛大学的同事 Matthew K. Nock 在内的波士顿的研究人员在使用机器学习来预测自杀行为时准确度为 70％-85％。不过研究仍处于初始阶段，样本量较小。

Franklin 补充道：

Pestian 团队的工作也很有意思，他们使用的有声模式/自然语言处理方法在这一领域是迄今为止独一无二的。虽然还有一些限制，但他们的研究是与过去 50 年来研究人员一直在做的事情的截然不同的创新。

根据 Franklin 的说法，机器学习目前尚未被用在治疗方面，而大多数常规的治疗自杀心理疾病的方法乏善可陈。即使几个尖端组织即将掌握能够准确地预测整个医疗保健系统的自杀行为的 AI  技术，但我们还不清楚应该如何帮助这些将自己置于危险中的人降低风险。

为此，Franklin 和同事开发了一个名为 Tec-Tec 的免费应用程序，似乎能有效地减少自残和自杀行为。该应用程序基于一种称为评价性条件反射的心理技术，通过不断地配对某些词和图像，改变某些对象和概念的关联。在游戏式的设计中，Tec-Tec 试图改变可能增加自伤行为风险的因素的关联。

Franklin 等人正在开展其他试验，有望通过机器学习创建适用于每个人的应用程序，并与最需要治疗的患者建立连接。

捕捉精神分裂症的患者的语言

去年，在《精神分裂症》杂志上发表的一项研究中，研究人员也在使用机器学习算法预测高危青年的迟发性神经病时取得了的结果。34 名参加者在两年半的测试期内每季度都会接受评估。

自动分析方法根据测试者回答的句子程度和数量等条件，对采访笔录进行了一致性和语音复杂性的评估。

计算机通过对语言特征的分析来预测测试者后续的精神病发展情况，准确率达到 100％，效果优于临床访谈。文章表示，计算机科学在自然语言处理等方面的最新进展为精神病临床试验未来的开发奠定了基础。

注意力缺陷多动障碍(ADHD)的早期诊断

在目前正在进行的一个项目中，来自德州大学阿灵顿分校（UTA）和耶鲁大学的科学家设计了一个结合了计算能力和精神病学的人工智能系统，用来评估青少年时期的常见疾病 ADHD，根据美国疾病控制与预防中心的说法，年龄介于 8 至 15 岁的儿童和青少年患病率高达 8.5%。

根据 UTA 的新闻稿，该研究使用“计算机视觉、机器学习和数据挖掘的最新方法”在儿童进行某些身体和上机练习时对他们进行评估，通过测试孩子们的注意力、决策能力和情绪管理的能力，并对数据进行分析，以确定最佳干预类型。

UTA 计算机科学与工程系的 Fillia Makedon 教授表示：

我们相信，这种计算方法将为我们提供可量化的早期诊断方法，并帮助我们监测进展情况。尤其可以帮助儿童克服学习困难，让他们享受健康而充实的生活。

紧密关注自闭症患者

同时，纽约州立大学布法罗分校的一个团队开发了一个移动应用程序，可以在幼儿两岁时检测出自闭症谱系障碍（ASD），准确率近 94％。研究结果是在最近的 IEEE 无线健康会议上公布的。

ASD 患者的眼睛运动通常与其他人的眼睛运动不同，该应用程序可以在孩子查看社交场景图片时跟踪孩子的眼睛运动，如查看含有多个人的照片。

根据疾病预防控制中心的报告，美国约每 68 名儿童中有就有1人被诊断为 ASD。纽约州立大学目前的研究项目有 32 名年龄从 2 岁到 10 岁的儿童参与，该项目计划在未来扩大研究规模。

该应用程序的测试仅需要 1 分钟，可以在家长的帮助下在家里完成，以确定孩子是否需要专业评估。

纽约州立大学工程与应用科学学院助理教授徐文耀认为，这项技术弥补了自闭症患者与诊断和治疗之间的差距。