leiphone 何忞
在電影《致青春》裡， 陳孝正因為聽到鄭微向他表白而脫口而出「你神經病啊！」然而你可別笑，人們通過說話的內容和方式傳達思想，說話的語調、詞彙選擇和語句長度，都是理解對方思想的關鍵線索。
而在精神病領域，當醫生或者心理醫生檢查患者的時候，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，一個研究團隊研製出一種人工智慧模型，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徵）。
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。
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。
在希區柯克的經典電影《驚魂記》裡，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想要基於上述研究來製造一種工具，幫助初級保健醫生，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（安裝在視線之外的牆上）來記錄患者會診的情況。
接著，產品利用人工智慧模型，可以從患者講話的文字稿中，尋找到語言線索，將它的發現以數位形式展示，就像血壓讀數一樣，精神病醫生可以將這個讀數，作為診斷的依據。並且，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。
除了精神分裂症的篩查外，Schwoebel 還因為另一個創意獲得了美國精神病協會的嘉獎。
NeuroLex 公司希望研製一種工具來幫助已經入院治療的精神病患者。不同於幫助醫生從單一案例中，診斷精神錯亂症狀，這種人工智慧可以通過長期測試患者談話，來跟蹤他們的治療過程。
NeuroLex 公司希望研製一種工具來幫助已經入院治療的精神病患者。不同於幫助醫生從單一案例中，診斷精神錯亂症狀，這種人工智慧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症治療的問題。在他哥哥第一次精神病爆發之前，就表現出一些令人擔憂的不正常現象，比如發出短的或一個詞語的回應、說話時傾向於說到「這裡」「那裡」等等。
Schwoebel說：「在哥哥的第一次精神發病經歷後，之前的表現都說得通了。」
在Schwoebel的哥哥求助於精神病醫生，並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。在這之後，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作，終於得到了正確的診斷和有效的養生治療方法。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？
多年來，他哥哥經歷了三次精神病發作，終於得到了正確的診斷和有效的養生治療方法。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—後研究」，研究已經入院治療的精神錯亂症患者，在患病期間的語言模式是如何變化的。理想狀態下，人工智慧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，從而減少患者在醫院治療的時間。
如果在使用一種藥物治療後，患者的談話顯示出更少的憂鬱症或雙相性情感障礙信號，那麼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，人工智慧會建議立刻嘗試其他藥物，使病人減少痛苦。
並且，一旦人工智慧收集到足夠的數據，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，他們的算法在辨識肺癌的精確度上，比人類放射科醫生高出50%。
這種用更加客觀、量化的評估來幫助精神科臨床醫生，進行診斷的可能性吸，引了馬塞住薩州綜合醫院的精神病醫生Arshya Vahabzadeh，他現在是Schwoebel聯合創辦的啓動加速器基金的資深顧問。
他表示：「精神分裂症涉及到一系列可觀察到或可誘發出的症狀，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症的診斷，劃分到更精確更有幫助的類別裡。我認為這些數據可以幫助我們，對一些情況再分類，這點我們之前是無法做到的。」
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研究和證實，這是我要重點強調的。Schwoebel也這麼認為。」儘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。目前並沒有人發表對抑鬱症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研究。例如，Siri多年來都在解決蘇格蘭用戶的指令和問題。對於精神病的治療，像這樣的小問題可能釀成大禍。
「如果你告訴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：人工智慧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，到達這個準確度後，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，那麼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，那麼人工智能也許會錯誤地認為你患有抑鬱症。」 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生治療更多的人，更有效的治療病人。更重要的是，鑒於全美精神病康復治療人員的不足，如果人們不採取划算的解決方式，我們不得不以某種方式利用科技來支援醫生。
沒有留言:
張貼留言