由于人工智能的進步，計算機現在可以幫助醫生診斷疾病，并幫助監測數百公里之外的患者的生命體征。人工智能在精神病學領域的迅速普及，有一種“狂野西部”(wild west)的味道。

現在，科羅拉多大學博爾德分校(CU Boulder)的研究人員正致力于將機器學習應用于精神病學，他們開發了一款基于語音的移動應用程序，可以對患者的精神健康狀況進行分類，甚至比人類做得更好。

認知科學研究所(Institute ofCognitive Science)的Peter Foltz教授表示:“我們絕不試圖取代臨床醫生，但我們相信，我們可以創造出工具，讓他們更好地監控患者。”Foltz在Schizophrenia Bulletin上發表了一篇新論文，闡述了人工智能在精神病學領域的前景和潛在缺陷。

近五分之一的美國成年人患有精神疾病，其中許多人住在偏遠地區，那里很難找到精神病醫生或心理學家。另一些人負擔不起經常去看醫生，沒有時間，或者不能去看醫生。論文的合著者BritaElvev?g指出，即使是偶爾有患者來訪，治療師的診斷和治療計劃也很大程度上要聽患者的話，這是一種主觀且不可靠的古老方法。人類并不完美。他們可能會分心，有時會錯過細微的語言提示和警告信號。不幸的是，目前還沒有針對心理健康的客觀血液檢查。

語言是心理健康的窗口

為了開發人工智能版本的血液測試，Elvevag和Foltz合作開發了一種機器學習技術，該技術能夠檢測出暗示心理健康下降的日常語言變化。例如，不符合邏輯模式的句子可能是精神分裂癥的一個關鍵癥狀。語調或節奏的變化可能暗示著躁狂或抑郁。記憶力減退可能是認知和心理健康問題的一個標志。

“語言是檢測患者精神狀態的關鍵途徑，”Foltz說。“使用移動設備和人工智能，我們能夠每天跟蹤病人，并監測這些細微的變化。”

這款新的移動應用程序要求患者通過與手機通話來回答5到10分鐘的問題。在其他任務中，他們被問到自己的情緒狀態，被要求講一個小故事，聽一個故事并重復它，并被要求進行一系列的觸摸和滑動運動技能測試。

研究者還開發了一種人工智能系統，可以評估這些語音樣本，將它們與同一患者和更廣泛人群之前的樣本進行比較，并對患者的精神狀態進行評估。在最近的一項研究中，研究小組要求臨床醫生聆聽并評估225名參與者的語音樣本——其中一半患有嚴重的精神疾病，一半健康志愿者。然后他們將這些結果與機器學習系統的結果進行了比較。

Foltz說：“我們發現計算機的人工智能模型至少可以和臨床醫生一樣精確。”他和他的同事們設想有一天，他們為精神病學開發的人工智能系統，可以與治療師和病人一起在房間里提供額外的見解，或作為一個遠程監控系統為嚴重精神疾病患者服務。如果應用程序檢測到令人擔憂的變化，它會通知患者的醫生進行檢查。

Foltz說：“患者通常需要接受專業人員的臨床訪問，以監控患者的病情，來避免昂貴的急診護理和不幸的事件發生。但現實是，根本沒有足夠的臨床醫生來做到這一點。”

研究意義

一種跨學科的方法具有技術性和復雜性，但似乎產生了令人共鳴的結果。這些研究很難進行審查，因為這些方法通常是不透明的，而且很難找到合適的審查者組合。如果沒有一個嚴格的框架來評估這類研究，從而培養可信度，那么這個問題只會變得更加復雜。

因此，新研究討論了該領域迫切需要開發一個框架來評估復雜的方法論，以使該過程得以誠實，公正，科學和準確地完成。然而，評估是一個復雜的過程，因此研究者關注三個問題，即可解釋性、透明性和可概括性，這對于確定在精神病學中使用人工智能的可行性至關重要。研究者討論了如何定義這三個問題，以幫助建立一個框架，確保可信性，但結果顯示了定義的難度，因為這些術語在醫學，計算機科學和法律中具有不同的含義。最后研究者得出結論，重要的是開始討論，這樣就可以呼吁對此采取政策，并且社區在審查此類模型的臨床應用時要格外小心。

Foltz此前曾幫助開發和商業化一種基于人工智能的論文評分技術，目前該技術已得到廣泛應用。在他們的新論文中，研究人員呼吁進行更大規模的研究，以證明人工智能技術的有效性并贏得公眾信任，然后才能將其廣泛應用于精神病學的臨床實踐。

他們寫道:“圍繞人工智能的奧秘并沒有培養可信賴性，而這在應用醫療技術時是至關重要的。我們不是尋找機器學習模型來成為醫學領域的最終決策者，我們應該利用機器擅長的事情來解放人類，讓人類去做他們擅長的事情。”