在一種流行的應用文化中，研究人員探索可以將人工智能帶入精神病學診斷實踐的機器學習或許并不奇怪。

科羅拉多大學博爾德分校認知科學研究所的研究教授彼得·福爾茲(Peter Foltz)是《精神分裂癥簡報》中的一篇新論文的合著者，該論文闡述了人工智能在精神病學方面的潛在收益和可能的弊端。

而且，與挪威特羅姆瑟大學的認知神經(jīng)科學家BritaElvevåg的合著者一樣，F(xiàn)oltz致力于通過基于語音的移動應用程序?qū)C器學習(人工智能的一部分)應用于精神病學，該應用程序可以對人的心理健康狀況進行分類與人類臨床醫(yī)生一樣好，甚至更好。

佛爾茲說：“目標不是取代臨床醫(yī)生的工作。”“目標是能夠為他們提供更好的工具，以幫助他們獲取有關患者的更多信息。”

Foltz說，他和Elvevåg幾年前在一次會議上見面，他在會議上發(fā)表有關如何使用技術分析語言連貫性的演講，她正在美國國家精神衛(wèi)生研究所進行精神分裂癥的研究。

她說，他引用了福爾茲的工作，“嘿，這可以用于檢測嚴重的精神疾病嗎?”福爾茲回憶說。“而且我說'我一直想這樣做，但我沒有數(shù)據(jù)。'她說她有數(shù)據(jù)。從那時起，我們開始合作。”

根據(jù)國家心理健康聯(lián)盟的數(shù)據(jù)，美國每年有五分之一的成年人患有精神疾病。對于其中許多人來說，由于他們生活在偏遠地區(qū)或在獲得無障礙親自護理方面遇到其他障礙，因此可能無法獲得臨床醫(yī)生的幫助。

另外，當患者確實要面對面預約時，治療師的診斷和治療計劃主要基于聽取患者的談話，這可能是主觀的且不可靠的，根據(jù)Elvevåg的說法。

“人類并不完美。他們會分心，有時會錯過微妙的語音提示和警告信號。”埃爾維瓦格在一份聲明中說。“不幸的是，沒有用于心理健康的客觀血液檢查。”

Foltz和Elvevåg共同開發(fā)了一種機器學習技術，該技術能夠檢測語音的日常變化，這些變化可能暗示著心理健康狀況的惡化，例如言語不連貫或沒有遵循邏輯模式的句子，這可能是精神分裂癥的癥狀。語氣變化，甚至步調(diào)變化，可能表明躁狂或抑郁。

Foltz說：“在我們的案例中，它是在比較精神疾病患者的語言與非精神疾病患者的語言時，學習如何表征語言以及人們怎么說。”

“我們正在考慮的問題之一是，您如何設置可以更好地對患者進行遠程監(jiān)控的方法，他們不必去辦公室，而且在有病時，他們?nèi)匀豢梢蕴嵝雅R床醫(yī)生有跡象表明患者可能需要幫助或跟進?”

Foltz和Elvevåg與CU Boulder的計算機科學研究生切爾西·錢德勒(Chelsea Chandler)以及其他同事合作，開發(fā)了一種AI系統(tǒng)，該系統(tǒng)可以評估語音樣本并將其與同一患者以及更廣泛人群的先前樣本進行比較。根據(jù)新聞稿，它然后評估患者的精神狀態(tài)。

在最近的一項研究中，研究人員要求人類臨床醫(yī)生在路易斯安那州農(nóng)村和挪威北部的225名參與者(其中一半患有嚴重的精神病，另一半是健康志愿者)的語音樣本，然后對其進行評估。然后，他們將這些結(jié)果與機器學習系統(tǒng)的結(jié)果進行了比較。

研究人員發(fā)現(xiàn)，計算機的AI模型至少可以和臨床醫(yī)生一樣準確。

Foltz表示，出于保守，“我認為要確定如何最好地獲得可廣泛應用于大眾并與臨床實踐相適應的應用程序還有很多工作要做。因此，我說這是大約五年或更多年的時間，然后才可以開始臨床使用該應用程序。

他補充說：“但我認為我們正在指明方向。”“我們正在展示我們現(xiàn)在可以朝那個方向前進”

精神分裂癥通報中的Chandler-Foltz-Elvevåg論文題為“在精神病學中使用機器學習：建立建立可信賴性的框架的需求”，強調(diào)在AI可以在日常精神病學中發(fā)揮作用之前還需要做更多的工作。

Foltz說：“我們正在努力建立一些方法，以開發(fā)和評估將人工智能應用于精神病學領域的有效性和適當性。”