抑郁癥的診斷一直是項醫(yī)學難題。麻省理工大學計算機科學和人工智能實驗室(CSAIL)的研究者Tuka Alhanai聲稱機器學習模型識別話語中有關抑郁癥的語言模式的能力讓人工智能協(xié)助診斷抑郁癥成為可能。更重要的是，她和同事Mohammad Ghassemi研發(fā)的模型能通過分析人們說話的方式而不是他們對傳統(tǒng)心理測試問題的回答來實現(xiàn)對抑郁癥的高準確度診斷。

Alhanai表示這一過程同上下文無關，模型從人們的用詞和說話方式中提取相關線索而不需要理解話語的意思。她同時也提到，這項研究潛在的益處是這類神經(jīng)網(wǎng)絡方法未來可以被用作評估人類更加自然的對話而不僅是和醫(yī)生之間正式且具有固定結構的交談。這可以促使因經(jīng)濟狀況，距離或者對自己病情不知情等因素不能就診的患者尋求專業(yè)的醫(yī)療幫助。

在實驗中，該模型分析了142段就診者同醫(yī)生之間的面談，其中大約30%被醫(yī)生診斷為抑郁癥。它使用了被稱作順序模擬法的技巧。來自抑郁癥患者和健康人的不同的言語模式被按照順序輸入進模型,并由模型決定哪些詞語同抑郁癥有關，并做出診斷，在實驗中它最終達到了77%的成功率。實驗還表明，抑郁癥患者在對話中選擇的詞語比他們的聲音更有助于診斷。

當然，現(xiàn)在下結論認為人工智能模型可以被應用于實際診斷中還為時過早。CSAIL的高級研究員James Glass表示，實驗選擇的樣本還太少。“只有當你理解它們的決定時這些系統(tǒng)才更加可信。”他說。

同時，加拿大醫(yī)生Adam Hofmann在華盛頓郵報上發(fā)文警告稱，錯誤的診斷可能會讓健康人誤以為他們患有心理疾病，而人的心理健康受到先天基因以及物理和外界環(huán)境等眾多因素的影響。Alhanai和同事已經(jīng)注意到了外界對心理診斷過度依賴人工智能的擔憂，但他們認為該研究意在幫助心理醫(yī)生而不是取代他們。

“我們希望為心理分析提供一種補充，”Glass說。“病人并不總是和醫(yī)生在一起，但如果病人在家和手機聊天，比如錄下每天的日記，當系統(tǒng)探測到變化，它可能會建議病人去和醫(yī)生取得聯(lián)系。”

“我們并不認為科技能代替醫(yī)生做決定，”他補充道。“我們希望它能為醫(yī)生提供一種新的指標，醫(yī)生依然可以考慮采納他們現(xiàn)有的標準，這一切只是為他們的工具箱加入一種新工具罷了。”