科学家用机器学习用30个词发现有自杀想法的人
时间:2017-12-07

  科学家使用机器学习在30个词中找到自杀的想法 - 新闻 - 科学网

  据世界卫生组织统计,每年大约有八十万人自杀,自杀也成为威胁青少年死亡的第二大因素。然而,作为一名精神健康临床医生,评估患者的自杀风险似乎是最具挑战性的问题。美国科学家最近的一项研究表明,这种主观判断可能会结束,使用机器学习诊断将取代它们。

  北京时间10月31日,国际学术期刊“自然 - 人类行为”(Nature - Human Behavior)发表了马塞尔·亚当·斯特(Marcel Adam Just)等人的最新研究成果。在卡内基梅隆大学,使用机器学习技术表示人脑自杀,积极,消极等相关概念,能够高度准确地区分自杀意图患者和健康对照组。该方法可以进一步区分哪些自杀念头有自杀意图,哪些自杀意念没有。

  文件指出,医生自杀报告,甚至自杀病人本身通常都是无效的。在自杀的情况下,他们往往隐藏自杀意图,原本是自杀计划的一部分,至少可以免受进一步的限制。数据显示,约80%的自杀者在上次与心理医学专业人士交谈时否认有意自杀。

  Marcel Adam Just和其他人认为,在自杀患者的临床治疗中,需要独立于自我报告诊断自杀风险。在他们的研究中,样本选择包括17名自杀患者和17名健康对照。

  研究小组在实验中设定了三个概念,包括自杀,正面和负面,每个包含10个字。例如,自杀的概念对应于冷漠,死亡,无望等;积极的概念对应于摇头丸,无忧无虑,怜悯等。消极的概念对应于无聊,批评,残酷等等。

  30个字

  30张幻灯片用于显示对象每个3秒,他们的大脑进行功能磁共振成像扫描(fMRI)在演示过程中。功能性磁共振成像是一种常见的神经影像学方法,以毫米的空间分辨率提供关于脑代谢的信息,该信息由血氧水平依赖性效应反映。

  一般来说,当颅神经被激活时,其附近的血流量增加以补充所消耗的氧气,由此导致血氧的变化。因此,功能性磁共振成像可以精确定位大脑功能区在特定感觉,感知或认知任务下的激活情况。

  结果表明,在实验设计的30个词中,5个脑区中的6个词(死亡,残酷,麻烦,无忧,善良,恭维)和神经活动是自杀意向最大的患者和健康对照个体。

  研究小组随后训练了一种机器学习算法,该算法使用上述信息来识别被诊断为自杀或健康对照的个体。该机器学习算法准确地识别17名自杀患者中的15名和17名健康对照中的16名。

  不仅如此,该小组还进一步训练17名自杀患者使用新的机器学习算法,以区分哪些患者尝试自杀(实际上是9),哪些没有(实际上8)尝试自杀。最后,新的机器学习算法精确地区分了其中的16个,准确率为94%。

  除了以上创新的自杀者诊断方法之外,本文还强调,这种机器学习方法正被越来越广泛地使用,并成为功能性神经影像学的重要工具。一般而言,神经活动信号不是位于单个大脑区域,而是分布在多个区域,同时。研究人员需要使用像机器学习这样的方法来分析多元甚至是网状数据。

  但是,在期刊网站的新闻和评论文章中提到,研究的样本量并不大,因此有必要重复实验。如果可以复制并扩大到其他精神疾病组,那么Just等人最新开发的方法将有望成为诊断神经精神疾病的主要医疗工具。

  特别声明:本文仅为传播信息的目的转载,并不代表本网站或其内容的真实性;如其他媒体,网站或个人转载自本网站的“来源”保留在本网站上,并有自己的法律责任如着作权;如果作者不想转载或联系转载稿费等事宜,请与我们联系。