有没有精神病,和这个模型聊聊就能确认

精神疾病和语言之间,存在着一些微妙的关系,但即便是经验丰富的医生,也不足以完全掌握这一联系。但从数据的角度出发,机器学习算法有望被利用在语言分析中,从那些异常的语言特征中,找到会演变成精神疾病的个体,从而帮助精神健康的建设和预防。

精神健康逐渐在威胁着更多人的生活。甚至有专业人士断言,二十一世纪最大的威胁就是精神疾病。

精神疾病,也称精神障碍、心理疾病。主要是指大脑功能出现失调,导致认知、情感、意志和行为等活动出现问题。常见的的精神疾病包括:精神分裂、抑郁症、自闭症、痴呆症、人格障碍等。

精神疾病患者往往承受着污名化等问题精神疾病之间和犯罪行为之间也总是道不清说不明

精神疾病严重影响个人的生活,还会成为社会的不安定因素。

精神疾病的传统诊断:依赖专家

精神疾病的诊断也很重要,若能及时地诊断出来,能帮助患者更好的应对和治疗,而对那些想假借「精神判定」而开脱的人,用证据则能让他们接受正义的制裁。

在章莹颖被害案件中,狡猾的凶手就妄图用精神疾病来为自己开脱

但常规的诊断方式比较繁琐,在经过详尽的精神检查、躯体及神经系统检查、脑影像学检查和神经心理学评估后,医生给出一个初步判断,还要再结合完整的病史资料,特别是个人生活史、发病史、相关社会心理因素,进行分析归纳,给出最后的判定结果。

传统的方式也存在弊端,比如缺乏直接可见的生物学客观指标,还依赖于症状学的临床观察,以及专业医生的个人经验。

针对不同群体,不同功能,不同流派中,心理量表有着不同的诊断标准和规范

而一些研究表明,语言的细微特征,能够用来预测一个人是否会患有精神病病的风险。但这些特征通常不能被人为观察到,需要借助一些技术手段,而机器学习就成了最好的选择。

「即便是有经验的医生,在交谈中试图听出这些细微差别,也十分困难,就像在用眼睛去看微小的细菌,几乎不太可能。」

哈佛医学院神经学系的研究者 Neguine Rezai 说到,「但机器学习等计算方法,用来揭示隐藏在语言中的细微之处是可行的」。她补充说:「这些方法就像是加上了显微镜,可以准确地发现那些征兆。」

在 Nuture 子刊,专门报道精神疾病的 NPJ Schizophrenia 杂志上,埃默里大学和哈佛大学的研究人员发表了一篇论文《A machine learning approach to predicting psychosis using semantic density and latent content analysis》,他们利用机器学习技术,揪出了语言方式和精神疾病的隐秘联系, 能够准确地预测出精神疾病的早期现象。

文章链接地址:

https://www.nature.com/articles/s41537-019-0077-9

新的诊断方式:从文本分析找出语言的秘密

为了从语言中发掘出判断的依据,他们使用了两个语言变量:语义密度声音相关词汇的使用

语义密度是用来对「内容匮乏」或模糊性进行度量的一项指标。使用 vector unpacking 的数学方法,获得语义密度的语言标记:将句子的含义分解为其核心思想。

vector unpacking 的过程:单词嵌入(黑色向量)在句子中求和,以产生该句子的结果向量(蓝色向量) ,最终分解找到意义向量(红色向量)

为了让模型建立起判断的基准,从 Reddit 网站上的 3 万个帖子,抓取对话内容,使用 Word2Vec 程序,分析出对话中的词汇。对单词进行处理分析,使那些具有相似含义的单词在「语义空间」中靠近,含义差异较大的则距离很远。

使用 Word2vec 通过两层神经网络处理大量文本来创建单词嵌入

接下来,将埃默里大学北美前驱症状纵向研究(NAPLS)中 40 名患者的言语样本输入,并进行了为期两年的随访。为了训练模型,还采集了第二阶段研究的另外 30 名参与者的信息。

最后,研究小组将来自 NAPLS 的会话信息,通过机器学习分析,与基线数据进行了比较。再综合与后续数据的比较,包括那些最终患上了精神疾病的数据。就得到了语言和患病几率之间的联系。

基于语义密度和声音的转变为精神病的可能性

结果显示,分析的人群中,最终患上精神病的人员,有一些共同的特征,在他们的谈话内容中,与声音相关的(如语气词)的使用率高于正常标准,而且会很频繁地使用含义相似的词汇

在他们的方法中,通过语言内容预先推测精神疾病,在实验中的准确率达到了 93%

研究者之一 Elaine Walker 教授说到,如果能更早地识别出有风险的个体,并采取预防性干预措施,就能够极大地改观精神问题。

不止于精神疾病,前方是大脑的奥秘

虽然实验得到了很高的精确度,但由于样本数有限,实验还处于研究层面上的成功。而研究者也表示,他们正在朝着完善和产品化的目的前进,未来计划用更多的数据,来测试和改进这一技术。

无论如何,新技术的应用,再次印证了可以从数据中,听出自然语言的「弦外之音」。

在最近的 Nuture 杂志上,封面文章刊登了一项惊人的成就。哥伦比亚大学的研究人员用八年的时间,完整描绘了秀丽隐杆线虫的所有神经网络及连接

线虫的完整神经图谱

这种线虫的有三分之一的细胞都是脑细胞,所以绘制出线虫脑细胞的神经连接,是人类第一次解密关于脑部的详细运作方式。

对精神疾病的研究,也有助于对脑部的探索,虽然说 AI 发展模仿神经连接的方式的道路,现在式微了,但探索大脑的奥秘,是人工智能诞生之处就存在的一个梦想。

有关精神疾病的这些探索,只是小小的发现,但它在揭示精神疾病的信息之外,还有助于理解大脑是如何工作的,比如演绎大脑是如何将各种想法组合在一起。不可否认,这些发现堆积在一起,终将带来新的篇章。

更厉害的算法、技术的使用,让诊断和治疗都带来了新的突破,但技术还没有神话到可以接管一切的地步。只是期望着,更多方法的介入,能够让越来越多的人,拥有更健康的生活。

强烈建议川普用这个模型确认一下病情,23333