AI可以帮助诊断精神疾病

人们通过所说的话以及说话的方式来表达他们自己，包括语音语调，用词以及语句长度等等，这些是理解人们心理真正想法的重要参考信息。当心理医生或心理学家在观察一个人的时候，他们会根据以上几个方面来判断这个人是否有幸福感，根据以往的历史经验来指导他们的判断。研究人员目前正在借助机器学习的帮助，来将这些方法用于精神疾病的诊断当中。

年，一组研究人员共同开发出了一种人工智能模型，它可以通过分析年轻人的说话方式准确预测出这些人有没有患上某种精神病，或者精神分裂症。这种智能模式主要是侧重于口语化表达的研究，比如短句，疑问词，或者对“这个”“那个”等词语的使用，以及对一词多义的理解。

NeuroLex诊断机构的首席执行官JimSchwoebel正在根据语句测试研发一套适合于初级心理保健医生使用的诊断工具。NeuroLex通过智能手机或其他设备将患者就诊记录全部投影在一面墙上。和传统的纸质记录差不多，通过这种智能方式也可以有效地分析患者的语言表达情况。

该人工智能系统也会将检查出的结果以数字形式呈现出来，然后心理医生据此来作出正确的诊断。随着接触到的患者越来越多，通过这类算法就能更好地判定出精神病人的状态。

Schwoebel除了可以筛选出精神分裂症，此外，让他真正赢得美国精神病学协会奖项的点子在于，医院已经接受过治疗的精神病患者发明了一个很有用的工具。人工智能不仅通过病例诊断出精神疾病，它还可以根据患者的言语表达对其进行长期的跟踪观察。

对于Schwoebel而言，这一切都源于他个人的经历。他想通过这种方法来帮助他的哥哥解决精神分裂症的治疗问题。在研发出这个方法之前，他的哥哥第一次精神病发作的时候，情况异常很令人担忧，他只能发出简单的音节和单个的词，“这里”“那里”都分不太清。

据Schwoebel说道，在他的哥哥最终决定去看心理医生并接受正式治疗之前，做了10次的初级护理治疗。之后，他又吃了很多的药物但一直没有效果，接着又尝试了很多其他的方法。再接下来，又耗费了好几年，才最终将病情确诊下来，并制订了有效的治疗方案，在这期间他的病情发作了三次。在服药的过程中，不禁让Schwoebel开始思考，什么样的药方对患者有用呢，多少的剂量才是合适的，效果更好呢？

为了找到答案，NeuroLex正在进行一项“患病前后期的研究”，医院接受过治疗的精神病患者，医院期间，患者病情发作和心情抑郁时他们的言语模式有哪些变化。”现在，在心理健康中心接受治疗的患者们，他们的语音录音材料，可以通过人工智能进行分析，看看哪些药物对他们最有用，从而提高药效减少的在院时间。”Schwoebel说。

如果一个人服药之后，所说的话没有抑郁症或躁郁症的迹象，那这就表明这个药物有效。如果没有什么变化，那人工智能系统就会建议患者赶紧去试试其他的药物，以减少患者不必要的痛苦。

并且，该智能系统一旦收集到足够多的数据，就可以根据同种类型的病状为病人推荐合适的药物。自动化诊断方法已经在药物领域使用很多年了，有一家公司声称，人工智能算法在识别诊断肺癌上，其准确率高出人类50%。

在心理健康诊断上，人工智能可以帮助心理医生更“客观”“量化”地进行判断，这样医院精神科医师ArshyaVahabzadeh有很大的吸引力，他曾经是NeuroLex医疗机构的合伙创办人。“精神分裂症有许多的症状，是不能一概而论的。”他如此说道。系统内若收集到了足够多的数据，那么人工智能系统就可以根据患者所表现出的相同症状，将精神分裂症进行更加清晰和具体的分类。“我认为这些数据可以帮助我们更加具体细致地分析这些病情，这在以前是做不到的。”

“然而在有医疗干预的情况下，人工智能所起的作用必须有待研究和考证。这也是我最担心的问题。”Vahabzadeh说道。虽然精神病预测研究表明语音语句可以用来分析和诊断精神疾病，但这毕竟还是一个研究，尚没有任何的具体的概念。

机器学习目前是一个热门领域，但它仍然有很长的路要走，无论是在医学行业还是其他行业。对于精神科而言，尤其要更加小心，一点点的小错误将会带来致命性的灾难。“如果你告诉我，科技只有20%的错误率，正确率有80%，那么我可能会说，在医学界，哪怕是2%的错误率都是不允许的。”Vahabzadeh说道。

现在由于年龄，性别，民族，种族，或地区等存在差异性，所以风险也会增加很多。如果人工智能“训练”的语音语句都是来自同一个人口群体，那么该群体之外的人们，就不能通过这个系统进行诊断了。

“如果你来自的地方，说话的语调本来就比较低沉或者柔软，很可能该人工智能系统就会将其识别成抑郁症。”Schwoebel说道。

Vahabzadeh认为，“像这样的技术有朝一日一定可以帮助医生们来扩张医学领域。”