XDA智能手机网 - 第一智能手机评述媒体
科技您的位置:首页 >科技 >

精神分裂症的低语:机器学习发现'健全'的词预测精神病

发布时间:2019-06-21 14:24:12 来源:

机器学习方法在人们的语言中发现了隐藏的线索,可以预测精神病的后期出现 - 经常使用与声音相关的词语。由npj精神分裂症杂志发表的一篇论文发表了埃默里大学和哈佛大学科学家的研究结果。

研究人员还开发了一种新的机器学习方法,以更精确地量化人们会话语言的语义丰富性,这是一种已知的精神病指标。

他们的研究结果表明,两种语言变量的自动分析 - 更频繁地使用与声音相关的单词和低语义密度的语音,或模糊性 - 可以预测一个有风险的人后来是否会以93%的准确率发展精神病。

即使是训练有素的临床医生,也没有注意到患有精神病风险的人如何使用与平均相关的更多单词,尽管异常的听觉感知是临床前的症状。

“试图在与人交谈中听到这些微妙之处,就像试图用眼睛看微小细菌一样,”该论文的第一作者Neguine Rezaii说。“我们开发的自动化技术是检测这些隐藏模式的一种非常敏感的工具。它就像一个用于治疗精神病警示标志的显微镜。”

Rezaii在埃默里医学院精神病学和行为科学系居住期间开始撰写论文。她现在是哈佛医学院神经病学系的研究员。

“以前已经知道未来精神病的微妙特征存在于人们的语言中,但我们已经使用机器学习来实际发现有关这些特征的隐藏细节,”埃默里心理学教授资深作者Phillip Wolff说。沃尔夫的实验室专注于语言语义学和机器学习,以预测决策和心理健康。

“我们的研究结果是新颖的,并且增加了证据显示使用机器学习识别与精神疾病相关的语言异常的可能性的证据,”共同作者Elaine Walker说,他是心理学和神经科学的埃默里教授,研究精神分裂症和其他精神疾病如何发展。

精神分裂症和其他精神病的发病通常发生在20年代初期,并且在17岁左右开始出现警告标志 - 称为前驱综合症。大约25%至30%符合前驱综合症标准的青少年会患上精神分裂症或其他疾病。精神病。

使用结构化访谈和认知测试,训练有素的临床医生可以预测精神病,准确率为80%。机器学习研究是许多正在进行的努力之一,旨在简化诊断方法,识别新变量并提高预测的准确性。

目前,没有治愈精神病的方法。

沃克说:“如果我们能够识别出早期存在风险的人并使用预防性干预措施,我们就可以扭转赤字。” “有很好的数据表明,像认知行为疗法这样的治疗可以延缓发病,甚至可能减少精神病的发生。”

对于目前的论文,研究人员首先使用机器学习来建立会话语言的“规范”。他们为计算机软件程序提供了Reddit的30,000名用户的在线对话,Reddit是一个社交媒体平台,人们可以就一系列主题进行非正式讨论。称为Word2Vec的软件程序使用算法将单个单词更改为向量,根据其含义为每个单词分配一个位置。具有相似含义的那些具有比具有不同含义的那些更接近的位置。

Wolff实验室还开发了一个计算机程序,用于执行研究人员称之为“矢量解包”的内容,或分析单词使用的语义密度。以前的工作测量了句子之间的语义连贯性。矢量解包允许研究人员量化每个句子中包含的信息量。

在生成“正常”数据的基线后,研究人员将相同的技术应用于由受过训练的临床医生进行的40名参与者的诊断访谈,作为由国家资助的多地点北美前驱体纵向研究(NAPLS)的一部分。卫生研究所。NAPLS专注于临床高危精神病患者。Walker是Emory的NAPLS的首席研究员,Emory是参与这项为期14年的项目的九所大学之一。

然后将参与者样本的自动分析与正常基线样本和关于参与者是否转变为精神病的纵向数据进行比较。

结果显示,与声音相关的单词的使用率高于正常使用,加上使用具有相似含义的单词的较高比率,意味着精神病可能即将出现。

该研究的优势包括仅使用两个变量的简单性 - 两者都具有强大的理论基础 - 结果在保持数据集中的复制,以及其预测的高精度,高于90%。

“在临床领域,我们往往缺乏精确性,”Rezaii说。“我们需要更多量化的,客观的方法来衡量微妙的变量,例如那些隐藏在语言使用中的变量。”

Rezaii和Wolff现在正在收集更大的数据集并测试他们的方法在各种神经精神疾病(包括痴呆症)中的应用。

沃尔夫说:“这项研究不仅仅是因为它有可能揭示更多关于精神疾病的信息,而且还有助于理解思维如何运作 - 它如何将思想融合在一起”。“机器学习技术发展如此之快,以至于它为我们提供了数据挖掘人类思维的工具。

热点推荐
随机文章