美国研究人员提出，机器学习系统可以帮助医生通过语音测试来监测病人的心理健康状况。

 

由于美国缺乏心理健康专家——如精神病学家和治疗师——的帮助，一对神经科学家受到激励，开发了人工智能系统。尽管美国约有五分之一的成年人患有精神疾病，但许多人无法接触到或负担不起有关他们病情的医疗专业人士。

 

精神病学家主要根据与病人的讨论来制定诊断和治疗计划;研究人员指出，这个过程是主观的，沐鸣测速地址并不完全可靠。“人类并不完美。他们可能会分心，有时会错过微妙的语言线索和警告信号。不幸的是,没有客观的血液测试心理健康,”教授说Brita Elvevag Tromsø大学的神经学家。

 

Elvevag与认知科学研究所的Peter Foltz教授以及科罗拉多大学博尔德分校的计算机专业研究生Chelsea Chandler合作，开发了一种人工智能系统，能够帮助医疗专业人员监控病人的精神状态。他们发明了一种系统，可以检测语言模式的日常变化，而这些变化可能预示着心理健康的下降。

 

患者首先通过电话回答5到10分钟的一系列问题;他们被问及自己的情绪状态、讲故事、听故事、复述故事，并接受一系列基本的运动技能测试。机器学习系统会对收集到的语音样本进行评估，并将其与之前来自同一病人的样本以及来自更广泛人群的样本进行比较，以“评估”病人的精神状态。

 

据研究人员称，不符合逻辑模式的句子是精神分裂症的症状;失忆可能预示着认知和精神并发症，语调和节奏的变化可能暗示着躁狂或抑郁发作。

 

“语言是检测病人精神状态的关键途径，”福尔茨说。“使用移动设备和人工智能，我们能够每天跟踪病人，并监测这些细微的变化。”

 

在对该系统的测试中，研究人员要求临床医生根据语音样本评估225名参与者(其中一半患有严重的精神疾病)。结果与系统的结果进行了比较，研究人员发现，在这些有限的情况下，人工智能模型至少与人类临床医生一样成功。

 

“我们并没有试图取代临床医生，”论文的合著者福尔茨说，“但我们相信我们可以创造出工具，让他们更好地监控他们的病人。”

 

Foltz设想了一个未来的场景，像这样的人工智能系统可以作为临床医生提供额外见解的工具，也可以作为远程监控系统为病情最严重的患者服务。如果这样的系统检测到一个令人担忧的变化——目前由训练有素的专业人员通过定期与患者面谈来承担责任——它可以通知患者的护理提供者进行检查。

 

福尔茨和他的合作者呼吁进行进一步的研究，以“证明其有效性并赢得公众的信任”，然后才能将这类人工智能系统引入临床实践，以帮助精神病医生和其他精神健康专业人士。

 

这篇论文的作者写道:“人工智能的神秘之处不在于培养可信赖性，沐鸣测试速而这在应用医疗技术时是至关重要的。”“我们不应该寻找机器学习模型来成为医学领域的最终决策者，我们应该利用机器擅长的事情，而不是人类擅长的事情。”