ИИ научился определять суицидальные наклонности по снимкам мозга

В исследовании участвовала группа из 34 человек, поровну состоящая из людей с суицидальными наклонностями и контрольной группы. Каждый пациент проходил процедуру функциональной магнито-резонансной томографии, во время которой ему показывали по десять слов из трех списков. Слова были связаны с суицидом («смерть», «страдающий», «фатальный» и другие), позитивными эффектами («беззаботный», «доброта», «невинность») и негативными эффектами («скука», «злость», «вина»). Ученые также использовали ранее составленные нейросхемы, которые показывали реакцию мозга на такие эмоции, как стыд или злость.

Пациентов с суицидальными наклонностями от контрольной группы наиболее явно отличали результаты по пяти зонам мозга и шести словам. Используя только эти маркеры, исследователи смогли обучить алгоритм машинного обучения, способный корректно определить 15 из 17 пациентов и 16 из 17 контрольных участников.

Затем ученые разделили участников с суицидальными наклонностями на две группы – тех, кто уже совершал попытки покончить с жизнью (девять человек) и тех, кто еще этого не делал (восемь человек). Так получилось обучить классификатор, способный корректно определить 16 из 17 участников.

Фото: Tewan Banditrukkanka/Shutterstock

Результаты показали, что реакция здоровых пациентов и участников с суицидальными наклонностями на некоторые слова заметно различалась. К примеру, когда участникам с суицидальными наклонностями показывали слово «смерть», ответственная за стыд область мозга активизировалась сильнее, чем у контрольной группы. По такому же принципу слово «беда» провоцировала активность зоны, ответственной за печаль.

Это далеко не первая попытка использовать ИИ в психиатрии. Разрабатываются самые разные алгоритмы машинного обучения, которые охватывают темы от анализа МРТ для прогнозирования клинической депрессии до выявления посттравматического стресса из речевых особенностей человека. Ранее в этом году портал Wired писал о системе, которая по медицинским записям пациента может оценить риск совершения суицида с точностью 80-90%. Facebook использует методы текстового анализа, чтобы определить пользователей, склонных к причинению вреда самим себе, и затем показывает им в рекламе ресурсы для восстановления духовного здоровья.

Искусственный интеллект уже давно стал горячей темой для обсуждений в медицинской среде. Некоторые алгоритмы научились настолько качественно выявлять опухоли и другие проблемы на сканах компьютерной томографии, что Джеффри Хинтон (Geoffrey Hinton), один из лидирующих специалистов по глубинному обучению, предсказал газете New Yorker, что в конце концов рентгенологи останутся без работы. По мнению Хинтона, «уже сейчас нужно перестать готовить этих специалистов».

Данное исследование скорее приведет к развитию новых способов терапии, чем оставит целую группу медиков без работы. В статье отмечено, что поиск различных сценариев взаимосвязей в психиатрии может привести к тому, что методики стимуляции мозга переориентируются на новые его области. Знание конкретных эмоциональных откликов на термины, связанные с самоубийством, может помочь психотерапевтам в лечении пациентов.

Источник

Материалы по теме:

Google внедрит в систему поиска тест на определение депрессии

Как врачи применяют виртуальную реальность на практике

Все, что нужно знать о технологии генной модификации CRISPR – в этих 4 выступлениях на TED

Как выявить рак кожи при помощи камеры смартфона

Фото на обложке: Ken Treloar/Unsplash

Tewan Banditrukkanka/Shutterstock