抑郁癥的診斷一直是項(xiàng)醫(yī)學(xué)難題。麻省理工大學(xué)計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室(CSAIL)的研究者Tuka Alhanai聲稱機(jī)器學(xué)習(xí)模型識(shí)別話語(yǔ)中有關(guān)抑郁癥的語(yǔ)言模式的能力讓人工智能協(xié)助診斷抑郁癥成為可能。更重要的是,她和同事Mohammad Ghassemi研發(fā)的模型能通過(guò)分析人們說(shuō)話的方式而不是他們對(duì)傳統(tǒng)心理測(cè)試問(wèn)題的回答來(lái)實(shí)現(xiàn)對(duì)抑郁癥的高準(zhǔn)確度診斷。
Alhanai表示這一過(guò)程同上下文無(wú)關(guān),模型從人們的用詞和說(shuō)話方式中提取相關(guān)線索而不需要理解話語(yǔ)的意思。她同時(shí)也提到,這項(xiàng)研究潛在的益處是這類神經(jīng)網(wǎng)絡(luò)方法未來(lái)可以被用作評(píng)估人類更加自然的對(duì)話而不僅是和醫(yī)生之間正式且具有固定結(jié)構(gòu)的交談。這可以促使因經(jīng)濟(jì)狀況,距離或者對(duì)自己病情不知情等因素不能就診的患者尋求專業(yè)的醫(yī)療幫助。
在實(shí)驗(yàn)中,該模型分析了142段就診者同醫(yī)生之間的面談,其中大約30%被醫(yī)生診斷為抑郁癥。它使用了被稱作順序模擬法的技巧。來(lái)自抑郁癥患者和健康人的不同的言語(yǔ)模式被按照順序輸入進(jìn)模型,并由模型決定哪些詞語(yǔ)同抑郁癥有關(guān),并做出診斷,在實(shí)驗(yàn)中它最終達(dá)到了77%的成功率。實(shí)驗(yàn)還表明,抑郁癥患者在對(duì)話中選擇的詞語(yǔ)比他們的聲音更有助于診斷。
當(dāng)然,現(xiàn)在下結(jié)論認(rèn)為人工智能模型可以被應(yīng)用于實(shí)際診斷中還為時(shí)過(guò)早。CSAIL的高級(jí)研究員James Glass表示,實(shí)驗(yàn)選擇的樣本還太少。“只有當(dāng)你理解它們的決定時(shí)這些系統(tǒng)才更加可信。”他說(shuō)。
同時(shí),加拿大醫(yī)生Adam Hofmann在華盛頓郵報(bào)上發(fā)文警告稱,錯(cuò)誤的診斷可能會(huì)讓健康人誤以為他們患有心理疾病,而人的心理健康受到先天基因以及物理和外界環(huán)境等眾多因素的影響。Alhanai和同事已經(jīng)注意到了外界對(duì)心理診斷過(guò)度依賴人工智能的擔(dān)憂,但他們認(rèn)為該研究意在幫助心理醫(yī)生而不是取代他們。
“我們希望為心理分析提供一種補(bǔ)充,”Glass說(shuō)。“病人并不總是和醫(yī)生在一起,但如果病人在家和手機(jī)聊天,比如錄下每天的日記,當(dāng)系統(tǒng)探測(cè)到變化,它可能會(huì)建議病人去和醫(yī)生取得聯(lián)系。”
“我們并不認(rèn)為科技能代替醫(yī)生做決定,”他補(bǔ)充道。“我們希望它能為醫(yī)生提供一種新的指標(biāo),醫(yī)生依然可以考慮采納他們現(xiàn)有的標(biāo)準(zhǔn),這一切只是為他們的工具箱加入一種新工具罷了。”