抑郁症的诊断一直是项医学难题。麻省理工大学计算机科学和人工智能实验室 (CSAIL)的研究者Tuka Alhanai声称机器学习模型识别话语中有关抑郁症的语言模式的能力让人工智能协助诊断抑郁症成为可能。更重要的是,她和同事Mohammad Ghassemi研发的模型能通过分析人们说话的方式而不是他们对传统心理测试问题的回答来实现对抑郁症的高准确度诊断。
Alhanai表示这一过程同上下文无关,模型从人们的用词和说话方式中提取相关线索而不需要理解话语的意思。她同时也提到,这项研究潜在的益处是这类神经网络方法未来可以被用作评估人类更加自然的对话而不仅是和医生之间正式且具有固定结构的交谈。这可以促使因经济状况,距离或者对自己病情不知情等因素不能就诊的患者寻求专业的医疗帮助。
在实验中,该模型分析了142段就诊者同医生之间的面谈,其中大约30%被医生诊断为抑郁症。它使用了被称作顺序模拟法的技巧。来自抑郁症患者和健康人的不同的言语模式被按照顺序输入进模型,并由模型决定哪些词语同抑郁症有关,并做出诊断,在实验中它最终达到了77%的成功率。实验还表明,抑郁症患者在对话中选择的词语比他们的声音更有助于诊断。
当然,现在下结论认为人工智能模型可以被应用于实际诊断中还为时过早。CSAIL的高级研究员James Glass表示,实验选择的样本还太少。“只有当你理解它们的决定时这些系统才更加可信。”他说。
同时,加拿大医生Adam Hofmann在华盛顿邮报上发文警告称,错误的诊断可能会让健康人误以为他们患有心理疾病,而人的心理健康受到先天基因以及物理和外界环境等众多因素的影响。Alhanai和同事已经注意到了外界对心理诊断过度依赖人工智能的担忧,但他们认为该研究意在帮助心理医生而不是取代他们。
“我们希望为心理分析提供一种补充,”Glass说。“病人并不总是和医生在一起,但如果病人在家和手机聊天,比如录下每天的日记,当系统探测到变化,它可能会建议病人去和医生取得联系。”
“我们并不认为科技能代替医生做决定,”他补充道。“我们希望它能为医生提供一种新的指标,医生依然可以考虑采纳他们现有的标准,这一切只是为他们的工具箱加入一种新工具罢了。”