抑郁癥的診斷一直是項醫(yī)學(xué)難題。麻省理工大學(xué)計算機(jī)科學(xué)和人工智能實驗室(CSAIL)的研究者Tuka Alhanai聲稱機(jī)器學(xué)習(xí)模型識別話語中有關(guān)抑郁癥的語言模式的能力讓人工智能協(xié)助診斷抑郁癥成為可能。更重要的是，她和同事Mohammad Ghassemi研發(fā)的模型能通過分析人們說話的方式而不是他們對傳統(tǒng)心理測試問題的回答來實現(xiàn)對抑郁癥的高準(zhǔn)確度診斷。
Alhanai表示這一過程同上下文無關(guān)，模型從人們的用詞和說話方式中提取相關(guān)線索而不需要理解話語的意思。她同時也提到，這項研究潛在的益處是這類神經(jīng)網(wǎng)絡(luò)方法未來可以被用作評估人類更加自然的對話而不僅是和醫(yī)生之間正式且具有固定結(jié)構(gòu)的交談。這可以促使因經(jīng)濟(jì)狀況，距離或者對自己病情不知情等因素不能就診的患者尋求專業(yè)的醫(yī)療幫助。
在實驗中，該模型分析了142段就診者同醫(yī)生之間的面談，其中大約30%被醫(yī)生診斷為抑郁癥。它使用了被稱作順序模擬法的技巧。來自抑郁癥患者和健康人的不同的言語模式被按照順序輸入進(jìn)模型,并由模型決定哪些詞語同抑郁癥有關(guān)，并做出診斷，在實驗中它最終達(dá)到了77%的成功率。實驗還表明，抑郁癥患者在對話中選擇的詞語比他們的聲音更有助于診斷。
當(dāng)然，現(xiàn)在下結(jié)論認(rèn)為人工智能模型可以被應(yīng)用于實際診斷中還為時過早。CSAIL的高級研究員James Glass表示，實驗選擇的樣本還太少。“只有當(dāng)你理解它們的決定時這些系統(tǒng)才更加可信。”他說。
同時，加拿大醫(yī)生Adam Hofmann在華盛頓郵報上發(fā)文警告稱，錯誤的診斷可能會讓健康人誤以為他們患有心理疾病，而人的心理健康受到先天基因以及物理和外界環(huán)境等眾多因素的影響。Alhanai和同事已經(jīng)注意到了外界對心理診斷過度依賴人工智能的擔(dān)憂，但他們認(rèn)為該研究意在幫助心理醫(yī)生而不是取代他們。
“我們希望為心理分析提供一種補(bǔ)充，”Glass說。“病人并不總是和醫(yī)生在一起，但如果病人在家和手機(jī)聊天，比如錄下每天的日記，當(dāng)系統(tǒng)探測到變化，它可能會建議病人去和醫(yī)生取得聯(lián)系。”
“我們并不認(rèn)為科技能代替醫(yī)生做決定，”他補(bǔ)充道。“我們希望它能為醫(yī)生提供一種新的指標(biāo)，醫(yī)生依然可以考慮采納他們現(xiàn)有的標(biāo)準(zhǔn)，這一切只是為他們的工具箱加入一種新工具罷了。”
