人工智能能够识别抑郁症

为什么抑郁症如此难以识别，尤其是在早期阶段？有没有方法可以优化诊断？这些都是科学家们一直在思考的问题。

在诊断抑郁症之前，医疗专业人员必须完成一项艰巨的任务：收集患者所有可能的数据，呈现完整的病理图景，分析人格形成特征和患者的生活方式，追踪任何可能的症状，并找出可能间接影响疾病发展的原因。麻省理工学院的科学家们设计了一个模型，该模型无需询问特定的测试问题，仅基于对话特征和书写风格即可判断一个人是否患有抑郁症。

正如该研究项目负责人之一图基·阿尔哈奈（Tuki Alhanai）所解释的那样，抑郁症的“警钟”恰恰可以在与患者交谈时敲响，无论患者当时的情绪状态如何。为了扩展诊断模型，有必要尽量减少对信息的限制：只需进行一次普通的对话，让模型在自然的对话中评估患者的病情。

研究人员将他们创建的模型称为“无语境”模型，因为对提出的问题和听到的答案没有任何限制。研究人员使用序列建模技术，向模型输入了患有和不患有抑郁症患者的对话文本和音频版本。随着序列的积累，模式逐渐显现——例如，对话中标准地包含“悲伤”、“跌倒”等词语，以及单调的听觉信号。

“该模型能够识别言语序列，并将学习到的模式评估为抑郁症患者和非抑郁症患者最可能出现的因素，”Alhanai 教授解释道。“然后，如果人工智能在后续患者身上也发现了类似的言语序列，它就能诊断他们患有抑郁症。”

测试表明，该模型在77%的病例中成功诊断出抑郁症。这是所有之前测试过的、在结构清晰的测试和问卷中“有效”的模型中取得的最好成绩。

专家们是否打算将人工智能应用于实践？它是否会被纳入后续“智能”助手模型的基础？科学家们尚未就此事发表意见。

该研究的信息已发布在麻省理工学院的网站上。您也可以在以下页面找到详细信息：http://groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf

[ 1 ]