你好,游客 登录
背景:
阅读新闻

借助算法识别自杀倾向者

[日期:2018-02-08] 来源:极客  作者: [字体: ]

 

研究人员通过脑部扫描算法识别自杀倾向者

对于有自杀想法和机会的人来说,提到“死亡”或“赞美”这样的富有浓烈感情色彩的词语时,其脑中的神经元有着完全不同于常人的激活方式。匹兹堡大学和卡内基梅隆大学的研究人员发现了这一现象,并且使用fMRI(功能磁共振成像)扫描脑部数据,训练算法识别有自杀倾向者。

科学家于周一在《 自然人类行为》杂志上发表了他们的小规模研究成果。他们希望能够研究更多的人,并利用这些数据进行简单的测试,让医生更容易地识别有自杀风险的人。

根据美国疾病控制与预防中心的数据,自杀在年轻人的死因中位列第二。但预测自杀企图目前仍是一个难题。当下的方法依赖于患者通过问卷或面谈形成的个人报告,较不可靠。来自宾夕法尼亚州的匹兹堡大学的自杀研究专家David Brent也是上述报告的合作者,他提到,与病人交流的治疗师可能会错过一些征兆,或者在面谈时病人状态还好,但是晚些时候会截然不同,抑或是病人可能会说谎。 他说,“病人可能有理由表现得不诚实,因为他们并不想住院。所有这些因素让准确地预测病人变得更加困难。”

然而,Brent和他的同事发现,大脑的扫描结果可以显露真实病情,尤其在应用算法分析时。Brent说:“我们试着弄清楚人们在有自杀想法时,他们的大脑发生了什么变化。 “

使用fMRI扫描显示,相较于没有想过自杀的人,诸如“死亡”、“困难”、“无忧无虑”和“赞美”这样有强烈感情色彩的词汇,会在有自杀倾向人群的大脑中触发不同的活动模式。这意味着,有自杀倾向的人会以不同于常人的方式来思考这些概念,这一点可以从大脑活动的水平和模式,或是神经上的特征得到佐证。

我们需要使用机器学习算法来识别神经特征,如在这个例子中用到了高斯朴素贝叶斯分类器。同样参与项目合作的心理学教授Marcel Just,来自位于匹兹堡的卡内基梅隆大学,他表示:“一个人要区分两个群体的样本之间的差异是非常困难的,这涉及到计算样本大脑多个区域中多个要素的激活程度。我不知道分类器完成这项工作具体要多久,但大概是几秒钟的级别。”

在这项研究中,研究人员招募了34名年龄在18-30岁之间的志愿者,其中一半有自杀倾向,另一半则没有。他们向参与者展示了一系列与生活中的积极和消极情绪有关,或与自杀有关的单词,并要求他们想想这些词语。

研究人员用功能磁共振成像,记录了志愿者在想到这些词汇时的脑血流量,并将这些数据提供给算法,标志出哪些志愿者有自杀风险,哪些没有。接着,算法开始学习有自杀倾向者大脑中的神经特征。

然后,他们输入新的神经特征数据,来测试算法是否能进行准确预测。这些数据从其他研究对象得到,包含是否有自杀倾向的信息。最终,分类器的精确度达到了91%。另外,分类器能以94%的准确率识别出哪些志愿者实际上尝试过自杀,而不只是有这样的想法。

Just和Brent说,把人放在功能性核磁共振成像仪上扫描,来看看他们是否有自杀倾向,这可能并不实际的。相反,他们希望利用这些数据实现廉价的测试或问卷,更可靠地评估自杀风险。

例如,这项研究将某些情绪与自杀联系起来。Brent说:“如果这些情形可以准确地对应,你可以借此深入研究,并可能将情绪与自发分离开来。或者你可以用它来监测他们的治疗进展,特别是在心理治疗方面。” 但首先,他们必须进行更大规模的研究,才能确认这些情绪和触发词与自杀有关。

其他研究团队也提出了一些采用计算机工程技术的自杀评估方法。Louis-Philippe Morency和来自辛辛那提儿童医院的John Pestian开发的预测自杀倾向技术,通过语言和听觉模式,评估声音以判断自杀风险。另外,还有十几个利用机器学习挖掘电子健康档案来预测自杀倾向的项目,其中一项由纳什维尔的范德比尔特大学的Colin Walsh开发。该项目回溯追踪了电子健康记录中的用药、受伤和语言记录,并预测了下一周内哪些患者试图自杀以及何时施行。

Marcel Just正在研究一项类似于fMRI研究的新研究,在这项研究中,他用EEG(脑电图)测量与自杀相关情绪的神经信号。与使用fMRI方法相比,这种技术更为便宜、使用。

“这项技术如果有效的话,将是非常有帮助的。“Just说,“这个为期两年的项目里,这项技术现在已经使用了六个月。 ”

收藏 推荐 打印 | 录入:Cstor | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款