科學家能利用機器學習算法區分出想自殺的患者

近日，一個美國研究小組在《自然—人類行為》(論文鏈接)期刊網絡版發文指出，利用機器學習技術表征人腦內的死亡和生命相關概念，可以高度準確地區分具有自殺想法的病人和無自殺想法的個體。該方法還可以在具有自殺想法的人中，進一步區分出哪些做出過自殺嘗試，而哪些沒有。

根據世界衛生組織統計，每年約有80萬人自殺身亡。評估自殺風險是心理健康臨床醫生面臨的最大挑戰之一：具有自殺想法的病人常常掩蓋其自身意圖，而臨床醫生對自殺風險的預測也一直不甚理想。因此，人們亟需不僅僅依賴于自我報告的自殺風險標記。

美國賓西法尼亞州卡內基梅隆大學的Marcel Just、David Brent和同事向具有自殺想法的病人和對照組個體展示死亡和生命相關單詞，在此過程中對他們進行功能性磁共振成像掃描。結果發現，對其中6個單詞(死亡、殘忍、麻煩、無憂無慮、良好和贊美)的神經活動應答以及5個腦區的神經活動最能區分想自殺的病人和對照組個體。

之后，研究人員訓練一個機器學習算法使用該信息來鑒定哪些被試是病人，哪些是對照組個體。算法準確鑒定出17位自殺組病人中的15位，以及17位對照組健康個體中的16位。之后，作者僅研究想自殺的病人，他們被分為兩個小組：曾嘗試過自殺(9位)和未嘗試過自殺(8位)。研究人員訓練了一個新的算法，它準確鑒定出了其中16位的情況。

該研究樣本數量不大，因此有必要進行重復實驗。盡管如此，正如Barry Horwitz在相應的新聞與觀點文章中所說的，如果復制并擴展到其他精神疾病群體，那么Just與同事開發出的方法與類似的功能性神經造影方法將有望成為診斷神經精神疾病的主要醫學工具。