研究人员使用在Facebook数据上训练的AI来检测精神疾病的迹象

一组研究人员最近在Nature上发表了一项研究，详细介绍了他们使用Facebook数据来识别可能的精神疾病的尝试。如Wired报道，研究人员能够构建一个AI模型，该模型可以成功地根据诊断前18个月发送的消息预测精神疾病的诊断。

为了创建预测模型，研究团队从223名志愿者中收集了数据。志愿者同意让研究人员访问他们发送的消息和发布的图像。研究人员在收集的消息和图像中提取的特征上训练了一个随机森林模型。模型的目标是确定参与者是否有精神健康诊断，将实例分为情绪障碍诊断、精神分裂症谱系诊断或无精神健康诊断。

当研究人员分析结果时，他们发现几个不同的特征与精神健康障碍有关。对于图像，蓝色与情绪障碍的诊断有关。频繁使用脏话通常表明有精神疾病，而像hear、feel和see（感知词）这样的词与精神分裂症的诊断有关。

为了确定AI模型的成功率，研究人员比较了假阳性和假阴性。研究团队报告说，他们的成功率在0.65到0.77之间，1表示完美得分，0.5表示随机猜测的平均成功率。消息越新，模型的成功率越高。然而，即使研究团队仅限于一年前诊断的消息，模型仍然比随机猜测的成功率高得多。

这种准确度的有趣之处在于，它大约相当于PHQ-9的准确度。PHQ-9是一种用于筛查抑郁症的诊断工具，要求测试对象回答10个问题。如果在Facebook数据上训练的AI模型可以可靠地达到与PHQ-9相同的准确度，那么它可能被用作诊断工具，增强目前临床医生使用的工具。

该研究的首席研究员是费恩斯坦医学研究院（Feinstein Institutes for Medical Research）在纽约曼哈塞特（Manhasset）的助理教授迈克尔·伯恩鲍姆（Michael Birnbaum）。根据Wired的报道，使用社交媒体数据的AI工具有可能在精神疾病的诊断和治疗方面产生重大影响。伯恩鲍姆被Wired引用：

“我们现在理解这样一个观念，即癌症有很多不同的阶段。如果你在第一阶段发现癌症，它与已经转移的癌症大不相同。在精神病学中，我们倾向于在它已经转移后才开始与人们合作。但是，有可能在早期发现它。”

从本质上讲，精神疾病可以在不同的时间表现出不同的形式，更多样化的数据来源可以帮助研究人员和临床医生确定一个人的精神健康状态。使用社交媒体数据的优势在于，它提供了个人思想和感受的连续记录。这些数据可以用来补充临床医生依赖的长时间采访来诊断患者。

伯恩鲍姆预计，基于社交媒体数据的AI模型可以帮助治疗师在治疗过程中长期监测患者。伯恩鲍姆解释说，治疗师通常只会在一个月左右获得一个人生活的“快照”，使用社交媒体数据让临床医生获得对一个人生活趋势更完整、更具代表性的理解。伯恩鲍姆希望，在五到十年内，社交媒体数据在精神健康评估中的使用将变得更加普遍。