自杀是美国15-34岁年轻人死亡的第二大原因，而临床医生只能使用有限的手段来识别那些具有自杀倾向的人。今日发表在《自然人类行为》的一篇论文中记录了一种新型机器学习技术，该技术可帮助识别那些有自杀想法的人。

    研究人员对34名年轻人进行了调查，有自杀倾向的参与者和实验对照组各人数占一半。每个实验对象都经过功能性磁共振成像（fMRI）检查，并给出了三个包含10个单词的列表。所有词汇均与以下三个方面相关，自杀（如“死亡”、“痛苦”或“致命”）、积极影响（“无忧无虑”、“善良”、“天真”）或消极影响（“无聊”、“邪恶”、“内疚”）。研究人员还使用了之前绘制的神经信号图，这些信号可显示大脑的情绪模式，比如“羞耻”和“愤怒”。

    五个大脑定位，连同六个单词，被发现是区分自杀患者和对照组的最佳标志。利用这些位置和词汇，研究人员训练了一种机器学习分类器，它能够正确识别17名自杀者中的15名有自杀倾向参与者，以及17名对照受试者中的16名无自杀倾向参与者。

    随后，研究人员将自杀的患者分成两组，一组有过自杀经历（9人），另一组没有自杀经历（8人），并训练了一种新的分类器，它能够正确识别17名患者中的16名患者。

    结果显示，心理健康的参与者和有自杀想法的人对单词的反应明显不同。例如，当有自杀倾向的参与者看到“死亡”这个词时，他们大脑中的“羞耻”区域比对照组中参与者的大脑相应区域亮的多。同样，“麻烦”这个单词也会在“悲伤”区域引发更多的脑部活动。

    这是旨在将人工智能引入精神病学的最新尝试。研究人员正在研究机器学习项目，从分析核磁共振波谱到预测重度抑郁症，再到从人们的说话模式中识别创伤后应激障碍（PTSD）。

    今年早些时候，《连线》杂志曾报道过一些研究人员，他们建立了一个系统，可以通过分析健康记录来标记有自杀风险的人，准确率在80%到90%之间。Facebook正在使用文本挖掘技术来识别面临自杀或自残风险的用户，然后将其指向心理健康资源（见“Facebook的自杀预防工具的几大问题”）。

    人工智能已经在医学领域掀起了波澜。有一些算法非常善于检测肿瘤和CT扫描中出现的其他问题，而杰弗里・新敦告诉《纽约客》，放射科医生最终将会失业。他是深度学习领域最重要的研究人员之一。事实上，他说，“他们现在应该停止培养放射科医生。”

    在这种情况下，这项研究更有可能激发出新的人类驱动的治疗方法，而不是让一整个领域的医生失去工作。这篇论文指出，识别不同的模式和区域可以为大脑刺激技术开发新的领域。确定对自杀相关术语的特定情绪反应，也可用于心理治疗师治疗患者。