1
在《致青春》里， 陳孝正因為聽到鄭微向他表白而脫口而出“你神經病?。 比欢憧蓜e笑，人們通過說話的內容和方式傳達思想，說話的語調、詞匯選擇和語句長度都是理解對方思想的關鍵線索。
而在精神病領域，當醫(yī)生或者心理醫(yī)生檢查患者的時候，他們會傾聽這些語言信號來獲取病人的健康狀況，再憑借醫(yī)生過往的經驗來指導對患者的判斷。
而現在，研究者們現在正在通過機器學習功能，應用與此相同的方法，來診斷患有精神障礙的病人。
2015年，一個研究團隊研制出一種人工智能模型，它通過分析一群年輕人談話的文字稿，成功預測出他們當中誰將會有精神錯亂問題，（精神錯亂是精神分裂的一個主要特征）。這個模型將問題聚焦在能體現精神錯亂的言語抽動，比如使用短句子、表達混亂、頻繁使用“這個”“那個”“一個”等詞語，以及句子間的含義混亂。
在希區(qū)柯克的經典電影《驚魂記》里，患有精神疾病的兒子在被捕前一直喃喃自語
現在，NeuroLex Diagnostics公司的CEO兼工程師Jim Schwoebel想要基于上述研究來制造一種工具，幫助初級保健醫(yī)生檢查他們的病人是否患有精神障礙。該公司的產品可以通過智能電話或者其他設備（安裝在視線之外的墻上）來記錄患者會診的情況。
接著，產品利用人工智能模型可以從患者講話的文字稿中尋找到語言線索，將它的發(fā)現以數字形式展示，就像血壓讀數一樣，精神病醫(yī)生可以將這個讀數作為診斷的依據。并且，因為算法在越來越多的病患中不斷訓練學習，它得出的讀數可以更好的反映患者的精神狀態(tài)。
除了精神分裂癥的篩查外，Schwoebel 還因為另一個創(chuàng)意獲得了美國精神病協會的嘉獎。NeuroLex 公司希望研制一種工具來幫助已經入院治療的精神病患者。不同于幫助醫(yī)生從單一案例中診斷精神錯亂癥狀，這種人工智能可以通過長期測試患者談話來跟蹤他們的治療過程。
對Schwoebel來說，這項工作也有私人目的，他覺得這個方法也許可以解決他哥哥所面臨的精神分裂癥治療的問題。在他哥哥第一次精神病爆發(fā)之前，就表現出一些令人擔憂的不正常現象，比如發(fā)出短的或一個詞語的回應、說話時傾向于說到“這里”“那里”等等。
Schwoebel說：“在哥哥的第一次精神發(fā)病經歷后，之前的表現都說得通了。”
在Schwoebel的哥哥求助于精神病醫(yī)生并最終得到診斷結果前，他至少進行過10次以上的初級保健會診。在這之后，他哥哥陷入了一次又一次的藥物治療失敗中。多年來，他哥哥經歷了三次精神病發(fā)作，終于得到了正確的診斷和有效的養(yǎng)生治療方法。多次失敗的藥物治療讓Schwoebel不禁在想，如何讓患者盡快地得到正確的處方？
為了尋找答案，NeuroLex 公司計劃開展一項“前—后研究”，研究已經入院治療的精神錯亂癥患者在患病期間的語言模式是如何變化的。理想狀態(tài)下，人工智能會分析患者在精神康復治療中記錄的樣本，比較哪種藥物更有效，從而減少患者在醫(yī)院治療的時間。
如果在使用一種藥物治療后，患者的談話顯示出更少的抑郁癥或雙相性情感障礙信號，那么這種工具可以幫助說明藥物是有作用的。如果患者的談話沒有呈現明顯變化，人工智能會建議立刻嘗試其他藥物，使病人減少痛苦。
并且，一旦人工智能收集到足夠的數據，它可以根據其他有相同說話模式的患者的案例，推薦適合的藥物。幾十年來。自動診斷的方法已經在藥物領域有了更加廣泛的應用。一家公司聲稱，他們的算法在識別肺癌的精確度上比人類放射科醫(yī)生高出50%。
這種用更加客觀、量化的評估來幫助精神科臨床醫(yī)生進行診斷的可能性吸引了馬塞住薩州綜合醫(yī)院的精神病醫(yī)生Arshya Vahabzadeh，他現在是Schwoebel聯合創(chuàng)辦的啟動加速器基金的資深顧問。他表示：“精神分裂癥涉及到一系列可觀察到或可誘發(fā)出的癥狀，而不是一個包羅萬象的診斷。如果有足夠龐大的數據設定，人工智能就可以根據觀察到的病人的共同特點，將一些類似精神分裂癥的診斷劃分到更精確更有幫助的類別里。我認為這些數據可以幫助我們隊一些情況再分類，這點我們之前是無法做到的?！?/p>
Vahabzadeh補充道：“跟其他藥物介入治療一樣，人工智能的幫助需要繼續(xù)研究和證實，這是我要重點強調的。Schwoebel也這么認為。”盡管精神錯亂預測的研究顯示語言分析可以合理地正確地預測精神錯亂，但這仍然只是一項研究。目前并沒有人發(fā)表對抑郁癥或雙相性情感障礙的觀點證明。
機器學習是一個熱門領域，但是它仍然有很長的路要走，機器本身和機器之外都有很多方面需要繼續(xù)研究。例如，Siri多年來都在解決蘇格蘭用戶的指令和問題。對于精神病的治療，像這樣的小問題可能釀成大禍?！叭绻愀嬖V我一項技術在實踐上有20%的錯誤率或者只有80%的正確率，我不會將它應用到病人身上。” Vahabzadeh如是說。（編者注：人工智能產品得以應用的前提一般會要求95%以上的準確率，而在實踐中，從95%到99.5%的跨越通常被認為是一個重要分水嶺，到達這個準確度后，人工智能加上人類輔助判斷的方式將大大提高工作效率）
當考慮到患者年齡、性別、種族、人種或地區(qū)時，這種風險將更加難以承受。一個人工智能被訓練分析的語言樣本全部來自同一人群團體，那么這個團體之外的正常樣本可能會被判斷為不正常。
“如果你來自一個特定的文化群體，你可能說話比較溫柔，音調較低，那么人工智能也許會錯誤地認為你患有抑郁癥?！?Schwoebel說到。
但是Vahabzadeh仍然相信，這樣的科技總有一天會幫助臨床醫(yī)生治療更多的人，更有效的治療病人。更重要的是，鑒于全美精神病康復治療人員的不足，如果人們不采取劃算的解決方式，我們不得不以某種方式利用科技來支援醫(yī)生。
via The Atlantic
推薦閱讀：
調查顯示性愛機器人可減少性疾病傳播與非法性交易，你想躍躍欲試嗎？| 新智造
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
