麻省理工學院研發AI模型可從會話方式診斷抑郁癥

　　9月2日消息，據國外媒體報道，醫生診斷抑郁癥通常會問病人一些具體的問題，比如情緒、精神疾病、生活方式和個人病史等，然后根據做出的答案進行診斷。如今，麻省理工學院(MIT)的研究人員建立了一個人工智能模型，可以在不需要回答這些特定問題的情況下，根據人們的自然會話和寫作風格來判斷他們是否患有抑郁。

　　據該項目的首席研究員圖卡·阿爾哈奈說，“一個人是快樂的、興奮的、悲傷的，或者有一些嚴重的認知狀況，比如抑郁，我們得到的第一個暗示就是通過他們的語言。如果要想部署抑郁檢測模型……希望對正在使用的數據進行最小化約束，那就嘗試在任何常規的對話中使用它，讓模型從自然的交互中獲得個體的狀態。”

　　研究人員將這種模型稱為“上下文無關”，因為在可以被問的問題類型或將被查找的響應類型中沒有約束。研究人員使用一種被稱為序列建模的技術，從與抑郁者和非抑郁者的對話中輸入模型文本和音頻。隨著序列的累積，模式就出現了，比如“sad”或“down”等詞的自然使用，以及更平更單調的音頻信號。

　　阿爾哈奈說:“這個模型能觀察到一系列的詞匯或說話方式，并確定這些模式更可能出現在抑郁或不抑郁的人身上。”“然后，如果它在新受試者身上看到同樣的序列，就能預測他們是否也會抑郁。”在測試中，該模型識別抑郁癥的成功率達到77%，超過了幾乎所有其他模型——其中大多數依賴于高度結構化的問題和答案。

　　研究團隊稱，這個模型是將成為臨床醫生的一個有用的工具，因為每個病人說話都不一樣。“如果模型看到了變化，也許它會成為醫生診斷的證據，”共同研究員詹姆斯·格拉斯說。“在未來，該模型還可以為移動應用程序提供動力，這些應用程序可以監控用戶的文本和語音，以備精神困擾，并發送警報。這對于那些由于距離、費用或缺乏對可能出現問題的認識而無法找到臨床醫生進行初步診斷的人來說尤其有用。”

　　研究人員還打算在更多患有其他認知疾病(如癡呆癥)的受試者身上測試這些方法。阿爾哈奈說:“這并不是檢測抑郁癥，而是一個類似的概念，從日常語音信號來判斷一個人是否有認知障礙。”