AI har lært å oppdage selvmordstendenser fra hjerneskanninger

Kategori: Ukategorisert Lagt ut 30. okt

Selvmord er nest ledende dødsårsak blant unge mennesker mellom 15 og 34 år i USA, og klinikere har begrensede verktøy for å identifisere de som er i fare. En ny maskinlæringsteknikk dokumentert i en artikkel publisert i dag i Natur Menneskelig atferd (PDF) kan hjelpe med å identifisere de som lider av selvmordstanker.

Forskere så på 34 unge voksne, jevnt fordelt mellom suicidale deltakere og en kontrollgruppe. Hvert forsøksperson gikk gjennom en funksjonell magnetisk resonansavbildning (fMRI) og ble presentert for tre lister på 10 ord. Alle ordene var relatert til selvmord (ord som død, nød eller dødelig), positive effekter (bekymringsløs, vennlighet, uskyld) eller negative effekter (kjedsomhet, ondskap, skyldig). Forskerne brukte også tidligere kartlagte nevrale signaturer som viser hjernemønstre av følelser som skam og sinne.

Fem hjerneplasseringer, sammen med seks av ordene, ble funnet å være de beste markørene for å skille de suicidale pasientene fra kontrollene. Ved å bruke bare disse stedene og ordene trente forskerne en maskinlæringsklassifiser som var i stand til å identifisere 15 av de 17 suicidale pasientene og 16 av 17 kontrollpersoner på riktig måte.

Forskerne delte deretter de suicidale pasientene i to grupper, de som hadde forsøkt selvmord (ni personer) og de som ikke hadde gjort det (åtte personer), og trente opp en ny klassifiserer som var i stand til å identifisere 16 av de 17 pasientene korrekt.

Resultatene viste at friske pasienter og de med selvmordstanker viste markant ulike reaksjoner på ord. For eksempel, da de suicidale deltakerne ble vist ordet død, lyste skamområdet i hjernen deres opp mer enn det gjorde i kontrollgruppen. Likeledes fremkalte problemer også mer aktivitet i tristhetsområdet.

Dette er bare den siste innsatsen for å bringe AI inn i psykiatrien. Forskere jobber med maskinlæringsprosjekter som spenner fra å analysere MR-er for å forutsi alvorlig depressiv lidelse til å plukke ut PTSD fra folks talemønstre. Tidligere i år, Kablet skrev om forskere som har bygget et system som kan sile gjennom helsejournaler for å flagge noen som står i fare for å begå selvmord, med mellom 80 og 90 prosent nøyaktighet. Facebook bruker tekstutvinning for å identifisere brukere som er i fare for selvmord eller selvskading og deretter peker dem på mentale helseressurser (se Store spørsmål rundt Facebooks verktøy for selvmordsforebygging).

Kunstig intelligens har allerede gjort bølger innen det medisinske feltet for øvrig. Det er algoritmer så gode til å oppdage svulster og andre problemer i CT-skanninger at Geoffrey Hinton, en av de fremste forskerne innen dyp læring, fortalte En fra New York at radiologer til slutt vil stå uten jobb. Faktisk, sa han, de burde slutte å trene radiologer nå.

I dette tilfellet er det mer sannsynlig at forskningen inspirerer til nye menneskedrevne terapier enn å sette et helt felts verdi av leger ut av jobben. Papiret påpekte at identifisering av forskjellige mønstre og områder kan foreslå nye regioner å målrette for hjernestimuleringsteknikker. Å identifisere spesielle emosjonelle reaksjoner på selvmordsrelaterte termer kan også være nyttig for psykoterapeuter som behandler sine pasienter.