近年来,“”一词越来越多的被人们提起,不少名人如白岩松、崔永元等都曾表示陷入过抑郁症的痛苦,而抑郁症患者不堪病痛而自杀的新闻也屡见不鲜。
生命的“陨落“,无疑给人们敲响了警钟。抑郁症高发,我们要如何去防治?如果能检测出潜在的抑郁症患者,及时进行心理疏导,是否能够有效地减少这类悲剧的发生呢?
日前,来自的计算精神病学和神经成像研究小组团队开始尝试利用预测人患精神疾病的风险。他们通过对59名普通人的语言方式进行追踪、分析,并对语言连贯性进行评分,来预测人们的潜在患病风险。在随后的结果验证中,AI预测的精确度达到83%。
如今,AI进军医疗领域已经是势不可挡。此次,IBM在AI预测抑郁症方面取得突破,可见有效利用AI诊断和治疗精神疾病已经是蓄势待发。而在这之后,AI在防治精神疾病方面会有多大的“用武之地”,其推进的难点又在哪里呢?恐怕值得我们好好讨论一番。
AI预测抑郁症,大有可为之地
智能相对论认为,AI被用于预测抑郁症,主要有3个原因。
1、人类预测抑郁症的识别率低
尽管抑郁症已经成为全球第四大疾病,预计到将成为第二大疾病,但人们在诊前的预测和诊后的监控都处于薄弱环节,因为心理医生和精神病医生难以做到诊前精准预测和诊后有效追踪。
在中国,有大约2.5亿人需要心理咨询服务,8000万人需要心理治疗,心理诊疗的市场需求极为巨大。与此形成鲜明对比的是,我国抑郁症的医疗防治还处在识别率低的局面,地级市以上的医院对其识别率不足20%,只有不到10%的患者接受了相关的药物治疗。
而反观AI的表现,除了此次IBM的AI预测实现了高识别率外,在去年,美国哈佛大学曾通过用AI程序分析社交网站中的照片,提出用色彩学的方法来诊断抑郁症,正确率也高达七成,这无疑证明了AI预测将很有可能成为当今社会用于早期筛查和检测精神疾病的新途径。
2、抑郁症难以完全治愈,让预防变得更为重要
抑郁症是可以治疗的,但却很难治愈。一个患了抑郁症的人,即使接受了心理治疗,恢复到了以往的精神状态,还是有极大的可能复发。自杀去世的演员乔任梁,其经纪公司发讣告时提到乔任梁生前已患有抑郁症,在亲友的帮助下治疗已有好转迹象,“却不料他用最决绝的方式摆脱不可承受之病痛,与世诀别”。
治愈之难,使得预防变得尤为重要。这些年屡屡可见的抑郁症患者自杀的新闻,也在提醒着人们要重视对心理疾病的预防。AI预测的高识别率也将成为其越来越被人们所看重的“法宝”。
3、AI能听出人类的“言外之意”
IBM曾提出,有了AI,人类的语言文字就会成为通向精神健康的一扇窗。人们的语言和文字所形成的规律会被AI的认知系统分析,人们的“言外之意”就会成为精神健康和身体健康状况的可测指标,这种分析得出的数据能够帮助医生更有效地预测并追踪早期的精神疾病等。
南加州大学已经推出了一款AI心理治疗师,她会分析受访士兵的面部表情变化,以及士兵的语义和语音,再结合问卷调查,诊断其是否存在PTSD(创伤后应激障碍)症状。
AI通过观察人们日常所忽视的语言习惯来预测人的精神疾病,在日后,该技术或许可以更进一步,通过追踪、分析人类的微表情、微行为,甚至是细微的语调变化,从而更为了解人类的心理状态。可以肯定的是,这种技术发展成熟后,在刑侦领域也会有极大的应用空间。
AI预测抑郁症的壁垒依旧存在
尽管AI预测抑郁症有着科学的技术和强大的数据库的支撑,但要全面推进还存在一定的难度。智能相对论认为,目前的难点主要表现在受众接受度、机器学习和隐私保护三个方面。
首先,人类和机器在心理检测中始终存有疏离感,人类对于AI的心理检测结果接受度不高。心理检测与生理检测不同,在生理上,我们可以做各项生化检查,通过明确的数值和图像来判断生理上的疾病,人们也会更倾向于相信机器的精准度。但心理检测却有一些不易量化的指标,比如焦虑、冲动、恐惧等情绪。患者在与医生交谈时,更倾向于相信心理医生能够感知自己的情绪并且产生“共情”,从而更好地诊断自己的病情,而没有自身情绪的AI,恐怕难以得到人们的信任。
其次,抑郁症的病因、病情十分复杂,机器学习难以全盘掌握。人体的神经网络精密复杂,而随着人体生长,人脑的神经连接网络也会不断生长变化。迄今,有关专家对于抑郁症的病因都难以解释清楚。但可以肯定的是,生物、心理与社会环境诸多方面因素参与了抑郁症的发病过程。
抑郁症的表现也十分复杂,比如最近在《明星大侦探》这一节目中出现而被网友热议的“微笑抑郁症”,该类患者在白天大多数时间都面带微笑,但“习惯性微笑表情”并不能消除工作、生活等各方面带来的压力、烦恼、忧愁,只让他们把忧郁和痛苦越积越深。
“微笑型抑郁”多发生在那些身份高、学识高、事业有成的成功人士中,他们或是机关里的高官、企业中的老板,或是高职技术人员,这类人在社会上给人的印象是十分健谈,自信沉稳。但是,如前文中提到的,如今AI预测抑郁症主要是通过分析被检测者的语言方式和语言连贯性进而确认其患病风险,而面对此类“成功人士式患者”的侃侃而谈,AI又能否看到他们微笑背后的抑郁呢?
最后,AI预测抑郁症的方法,即对于语言的分析不能够适用于所有的语种。目前,硅谷一家叫X2AI的初创公司推出了针对叙利亚难民的AI心理咨询师,虽然已经在土耳其的难民营中开始试用,但其功能相对简陋,且只能做阿拉伯语的语义识别。
就拿大家最熟悉的中文来打比方,当有人说“吃饭去了我”,即使“我”作为主语并没有放在谓语前,依旧不会影响大家对这句话的理解。在中文中,语序颠倒是十分常见的,而即便如此,也不会影响句子的原意。那能代表这个人有心理疾病吗?当然不能。毕竟“我去吃饭了”和“吃饭去了我”这两句话在口语中的使用频率恐怕不相上下。
另外,不同病症是否会有不同的语言倾向呢?而在同一病症中,不同程度是否也会有不同的语言习惯呢?这一切,还有待研究。
除此之外,AI预测抑郁症同样也会存在AI进军医疗领域的常见问题,比如检测程序的设定、医疗数据保护等等。所以,AI预测抑郁症要实现有效落地,恐怕还有很长的路要走。
尽管AI预测抑郁症还有很多的难关待攻克。但对于AI预测甚至治疗精神疾病的研究依旧有着十分重要的意义。一方面,AI预测在成熟发展后,其预测结果能作为一种参考因素,在一定程度上帮助医生进行相关诊断;另一方面,AI在精神疾病领域的不断深入,也许能够为日后的精神疾病治疗找到新的突破点。
本文经授权发布,版权归原作者所有;内容为作者独立观点,不代表亿欧立场。如需转载请联系原作者。
如果觉得《AI在抑郁症识别中的高准确率与精神健康领域的挑战》对你有帮助,请点赞、收藏,并留下你的观点哦!