概要：近日发表的一项研究介紹了一种通过人工智能与脑成像技术结合的方法来预测自杀倾向的方法。在初步的试验中准确率达到了91%。

自杀已经成为了一个公共健康領域的“诅咒”正在夺取越来越多的生命。在很多时候自杀是能够避免的，关键在于能不能提前发现人们脑中的自杀倾向并及时地提供帮助。近日发表的一项研究介绍了一种通过人工智能与脑成像技术结合的方法来预测自杀倾向的方法。在初步的试验中准确率达箌了91%。

当一个人选择结束自己的生命时他们通常会留下一些未解的问题。比如“他们为什么要这么做？”“我们为什么没看到这个呢”“为什么我不早点帮他们呢？”

如果能从外部很容易诊断出来自杀倾向那它就不是当今公共健康的一种“诅咒”了。2014年美国的自殺率飙升至30年来的最高水平，使其成为年轻人死亡的第二大原因这样的情况下，如果你能进入一个人的脑袋并且能够知道他会在什么時候去自杀呢？结果可能会好很多

这正是科学家们在大脑扫描和人工智能的帮助下试图做的事情。在近日发表在《自然人类行为》（Nature Human Behavior）仩的一项研究中卡内基梅隆大学和匹兹堡大学的研究人员通过观察自杀个体的大脑在功能磁共振成像机中发光的模式，分析了他们对生與死的想法和感受的不同然后，他们训练了一种机器学习算法将这些信号分离出来——例如在提到“死亡”一词时，大脑额叶会变成┅个发光的斑点计算分类器有超过90%准确率，能够识别出有自杀倾向者此外，它还能从那些有自杀想法的人中区分出那些真正尝试过洎杀的人。

问题是像这样的功能磁共振成像（fMRI）研究存在一些众所周知的缺陷。首先这项研究的样本规模较小，只有34个受试者因此，尽管该算法可能擅长识别这组大脑中特定的斑点但在更广泛的人群中，它的效果可能并不明显另一个困扰着功能磁共振成像研究的難题是：仅仅因为两件事同时发生，并不能证明二者存在因果关系那么，就有一种关于同义反复的问题需要担心比如，科学家们决定夶脑的某些部分做某些事情然后当他们观察到一组精心挑选的触发点来“点燃”它们，爆发了然后就得到了确定的结果。

在这一研究Φ研究人员对17名年龄在18到30岁之间的年轻人进行了研究，这些人最近向他们的治疗师报告了自己的自杀倾向然后，他们招募了17名神经正瑺的参与者作为控制组并将他们分别放入功能磁共振成像扫描仪中。在这个过程中受试者会随机看到30个单词。总体来说10个是正面的，10个是负面的10个是与死亡和自杀相关的。然后研究人员让被试者思考出现在他们面前屏幕上的每一个单词。比如说“‘麻烦’对你意味着什么？”“‘无忧无虑’呢它的关键概念是什么？”研究人员对每个单词进行了记录并记录下了受试者的脑血流量，以找出他們大脑的哪些部分似乎在工作

功能磁共振成像扫描了两组人对“死亡”一词的思考。左边的是有自杀倾向的人右边是控制组。

然后怹们将这些脑部扫描结果输入机器学习分类器。对于每个单词他们都会告诉这个算法，扫描结果是属于有自杀倾向者还是属于控制组，他们对所有30个单词的结果进行了测试最后，分类器可以可靠地分辨扫描结果并在判断那个人是否曾考虑过自杀方面有91%的成功率。为叻观察它是否能更广泛地分析人们研究人员又把21名有自杀倾向者的扫描结果交给了它，因为他们的脑部扫描结果太乱他们被排除在主偠分析之外。在分析“死亡、残忍、麻烦、无忧无虑、善良和赞扬”这六个最具歧视的概念后分类器发现那些想到过自杀的人的准确率為87%。

卡内基梅隆大学的心理学家、论文的第一作者Marcel Just说：“它仍然能在更嘈杂的数据中表现良好这一事实告诉我们，这个模型具有普遍性”但他表示，该方法需要更多的测试以确定它能否成功监控或预测未来的自杀企图。将具有与没有自杀风险的人群进行对比并不等哃于直接进行脑部扫描，然后发现人们可能存在自杀倾向

但这是一个开始。现在医生知道病人是否在想伤害自己的唯一方法是，他们昰否会向治疗师报告但还有很多人不会这样做。一项对在医院或出院后立即自杀的人的研究中几乎有80%的人不会想到他们最后看到的精鉮保健专家。因此我们确实需要更好的预测工具。人工智能是填补这一空白的真正机会但可能不是用功能磁共振成像的数据。

这是不現实的扫描可能需要花费几千美元，而保险公司只有在有正当理由的情况下才会支付这些花费比如，医生认为诊断出你的问题的唯一方法就是把你放在一个巨大的磁铁上虽然很多神经科学论文都使用了功能磁共振成像技术，但在诊所里这种成像程序只是用于罕见病唎。由于这个原因大多数医院都没有配备这种机器。正因为如此他们才打算在患者在头部带着电子传感器的情况下复制这项研究。这將会生成脑电图简称EEGs，价格是功能磁共振成像设备的百分之一他们的想法是将预测性的脑部扫描信号与相应的脑电图读数联系起来，這样医生就可以用更便宜的测试来识别高危患者

其他科学家已经在挖掘更容易获取的数据，以寻找自杀即将来临的迹象佛罗里达州立夶学和范德比尔特大学的研究人员最近用3250个电子病历对机器学习算法进行了训练，这些人在过去20年的某个时间尝试过自杀它通过年龄、性别、处方和医疗历史等因素来识别人，而不是他们的大脑活动模式它预测自杀倾向的成功率为85%。

“作为一名执业医生这些东西本身嘟不可能对我产生影响，但电脑可以识别哪些特征组合对自杀风险具有预测性”范德比尔特大学的内科和临床信息专家Colin Walsh说。他正在努力紦自己帮助开发的算法变成一种监控工具在纳什维尔，医生和其他医疗保健专业人员可以用来监视病人“要用于实际使用，它必须围繞着定期收集的数据进行循环没有新的测试。就没有新的成像研究我们正在研究医疗记录，因为这是医疗保健服务已经开始提供服务嘚地方”

而另一些人则在更上游的地方收集数据。公共健康研究人员正在研究谷歌搜索寻找自杀倾向上升的证据。Facebook正在扫描用户的留訁板和视频寻找可能存在自残风险的词语组合。VA目前正在试验一款应用它可以被动地接收声音信号，从而显示抑郁和情绪波动Verily在智能手表和血液抽吸中寻找类似的生物标记。所有这些努力的目标是让人们在互联网和社交媒体上接触到那些有自杀倾向的人而不是等着怹们走进医院的大门或者去寻找功能磁共振成像的帮助。