Sztuczna inteligencja nauczyła się rozpoznawać tendencje samobójcze na podstawie skanów mózgu

Kategoria: Bez kategorii Opublikowany 30 paź

Samobójstwo jest druga wiodąca przyczyna śmierci wśród młodych ludzi w wieku od 15 do 34 lat w Stanach Zjednoczonych, a klinicyści mają ograniczone narzędzia do identyfikacji osób zagrożonych. Nowa technika uczenia maszynowego udokumentowana w artykule opublikowanym dzisiaj w Natura ludzkie zachowanie (PDF) może pomóc zidentyfikować osoby cierpiące na myśli samobójcze.

Badacze przyjrzeli się 34 młodym dorosłym, równo podzielonym między uczestników o skłonnościach samobójczych i grupę kontrolną. Każdy badany przeszedł funkcjonalne obrazowanie rezonansem magnetycznym (fMRI) i otrzymał trzy listy po 10 słów. Wszystkie słowa odnosiły się do samobójstwa (słowa takie jak śmierć, przygnębienie lub śmiertelne), pozytywnych skutków (beztroska, życzliwość, niewinność) lub negatywnych skutków (nuda, zło, wina). Naukowcy wykorzystali również wcześniej zmapowane sygnatury neuronalne, które pokazują mózgowe wzorce emocji, takich jak wstyd i gniew.

Stwierdzono, że pięć lokalizacji w mózgu, wraz z sześcioma słowami, jest najlepszymi markerami do odróżnienia pacjentów o skłonnościach samobójczych od grupy kontrolnej. Wykorzystując tylko te lokalizacje i słowa, naukowcy wyszkolili uczącego się maszynowo klasyfikatora, który był w stanie poprawnie zidentyfikować 15 z 17 pacjentów o skłonnościach samobójczych i 16 z 17 osób z grupy kontrolnej.

Następnie naukowcy podzielili pacjentów z samobójstwem na dwie grupy, tych, którzy próbowali popełnić samobójstwo (9 osób) i tych, którzy tego nie zrobili (osiem osób), i wyszkolili nowego klasyfikatora, który był w stanie poprawnie zidentyfikować 16 z 17 pacjentów.

Wyniki pokazały, że zdrowi pacjenci i osoby z myślami samobójczymi wykazywały wyraźnie różne reakcje na słowa. Na przykład, gdy uczestnikom samobójczym pokazano słowo śmierć, obszar wstydu w ich mózgu rozjaśnił się bardziej niż w grupie kontrolnej. Podobnie kłopoty wywołały również większą aktywność w obszarze smutku.

To tylko ostatnie przedsięwzięcie mające na celu wprowadzenie AI do psychiatrii. Naukowcy pracują nad projektami uczenia maszynowego, które rozciągają się od analizy MRI w celu przewidywania poważnych zaburzeń depresyjnych po wyodrębnianie PTSD z wzorców mowy ludzi. Wcześniej w tym roku, Przewodowy napisał o naukowcach, którzy zbudowali system, który może przeszukiwać dokumentację medyczną, aby wskazać osobę zagrożoną samobójstwem, z dokładnością od 80 do 90 procent. Facebook wykorzystuje eksplorację tekstów do identyfikacji użytkowników zagrożonych samobójstwem lub samookaleczeniem, a następnie kieruje ich do zasobów zdrowia psychicznego (patrz Wielkie pytania dotyczące narzędzi profilaktycznych Facebooka).

Sztuczna inteligencja zrobiła już fale w szeroko pojętej medycynie. Istnieją algorytmy tak dobre w wykrywaniu guzów i innych problemów w tomografii komputerowej, że Geoffrey Hinton, jeden z czołowych badaczy głębokiego uczenia się, powiedział Nowojorczyk że radiolodzy w końcu stracą pracę. Rzeczywiście, powiedział, powinni teraz przestać szkolić radiologów.

W tym przypadku bardziej prawdopodobne jest, że badania zainspirują nowe terapie oparte na ludziach, niż pozbawią pracy lekarzy z całej dziedziny. W artykule wskazano, że identyfikacja różnych wzorców i obszarów może sugerować nowe regiony, na których można będzie ukierunkować techniki stymulacji mózgu. Identyfikacja konkretnych reakcji emocjonalnych na terminy związane z samobójstwem może być również przydatna dla psychoterapeutów leczących swoich pacjentów.