研究人员使用训练有素的Facebook数据来检测精神疾病的迹象

最近，一组研究人员在《自然》杂志上发表了一项研究，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。根据Wired的报道，研究人员能够构建一个可以成功预测精神疾病诊断的AI模型，基于发送的消息，甚至可以在诊断正式宣布之前18个月预测出来。

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相关。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是完美的得分，0.5是随机猜测的平均成功率。消息越新，模型的成功率越高。然而，即使研究团队限制自己只使用一年前或更早的消息，模型仍然比随机猜测的成功率高得多。

这种准确率的有趣之处在于，它大约相当于PHQ-9的准确率。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。如果一个训练有素的Facebook数据的AI模型可以可靠地执行与PHQ-9相同的功能，那么它可能被用作一种诊断工具，增强目前临床医生使用的工具。

该研究的首席研究员是曼哈顿纽约费恩斯坦医学研究院的助理教授迈克尔·伯恩鲍姆。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引用说：

“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，它与癌症已经转移时大不相同。在精神病学中，我们有一个倾向，即在问题已经转移时才开始与人们合作。但是，有可能在早期发现问题。”

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。伯恩鲍姆解释说，治疗师通常只会在一个月左右的时间内获得一个人的生活“快照”，而使用社交媒体数据可以让临床医生更全面地了解一个人的生活趋势。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。