AI har lärt sig att upptäcka självmordstendenser från hjärnskanningar

Kategori: Okategoriserad Postad 30 okt

Självmord är näst vanligaste dödsorsaken bland unga människor mellan 15 och 34 år i USA, och läkare har begränsade verktyg för att identifiera dem som är i riskzonen. En ny maskininlärningsteknik dokumenterad i en tidning som publicerades idag i Naturen Mänskligt beteende (PDF) kan hjälpa till att identifiera de som lider av självmordstankar.

Forskare tittade på 34 unga vuxna, jämnt fördelade mellan suicidala deltagare och en kontrollgrupp. Varje försöksperson gick igenom en funktionell magnetisk resonanstomografi (fMRI) och presenterades med tre listor med 10 ord. Alla ord var relaterade till självmord (ord som död, nödställd eller dödlig), positiva effekter (bekymmerslös, vänlighet, oskuld) eller negativa effekter (tråkighet, ondska, skyldig). Forskarna använde också tidigare kartlagda neurala signaturer som visar hjärnans mönster av känslor som skam och ilska.

Fem hjärnplatser, tillsammans med sex av orden, visade sig vara de bästa markörerna för att skilja de suicidala patienterna från kontrollerna. Med bara dessa platser och ord tränade forskarna en klassificerare för maskininlärning som kunde korrekt identifiera 15 av de 17 självmordspatienterna och 16 av 17 kontrollpersoner.

Forskarna delade sedan upp de suicidala patienterna i två grupper, de som hade försökt begå självmord (nio personer) och de som inte hade gjort det (åtta personer), och tränade en ny klassificerare som kunde korrekt identifiera 16 av de 17 patienterna.

Resultaten visade att friska patienter och de med självmordstankar visade markant olika reaktioner på ord. Till exempel, när de suicidala deltagarna visades ordet död, lyste skamområdet i deras hjärna upp mer än det gjorde i kontrollgruppen. Likaså framkallade bråk också mer aktivitet i sorgområdet.

Detta är bara den senaste ansträngningen som syftar till att föra in AI i psykiatrin. Forskare arbetar med maskininlärningsprojekt som sträcker sig från att analysera MRI för att förutsäga allvarlig depressiv sjukdom till att välja ut PTSD från människors talmönster. Tidigare i år, Trådbunden skrev om forskare som byggt ett system som kan sålla igenom journaler för att flagga någon som riskerar att begå självmord, med mellan 80 och 90 procents träffsäkerhet. Facebook använder textutvinning för att identifiera användare som riskerar att begå självmord eller självskada och pekar dem sedan på resurser för mental hälsa (se Stora frågor kring Facebooks verktyg för självmordsförebyggande).

Artificiell intelligens har redan gjort vågor inom det medicinska området i stort. Det finns algoritmer så bra på att upptäcka tumörer och andra problem i datortomografi att Geoffrey Hinton, en av de främsta forskarna inom djupinlärning, berättade för New York-bo att röntgenläkare så småningom blir arbetslösa. De borde faktiskt sluta utbilda radiologer nu, sa han.

I det här fallet är det mer sannolikt att forskningen inspirerar till nya människodrivna terapier än att ett helt fälts värde av läkare får sitt jobb. Uppsatsen påpekade att identifiering av olika mönster och områden kan föreslå nya regioner att rikta in sig på för tekniker för hjärnstimulering. Att identifiera särskilda känslomässiga reaktioner på självmordsrelaterade termer kan också vara användbart för psykoterapeuter som behandlar sina patienter.