根據腦部掃描就能診斷精神分裂症的「人工智慧」

至頂網軟體頻道消息：分析科學家們試圖使用簡單的機器學習軟體讓精神病學更具客觀性。

你會問這是為什麼？好吧，為什麼我們不能不依賴於人類專家的專業意見——就像我們這麼多年以來一直在做的那樣——而是求助於電腦冷冰冰的邏輯診斷呢？

使用代碼而不是精神科醫生的一個好處是，其結果會在所有患者中保持一致，而您的心理健康評估結果卻可能因醫生而異。另一方面，據稱這種特定的軟體在診斷精神分裂症患者時成功率達到74％——這意味著它搞錯了超過了四分之一的病例——所以你現在還不需要從醫院院校退學。

一個來自阿爾伯塔大學、卡爾加里和孟菲斯大學的團隊和來自IBM的人員共同開展了上述計劃——一個能夠預測人類精神分裂症的計算模型，該模型的準確率達到了74%——並於五月份在《Nature》合作雜誌《Schizophrenia》公開了他們的研究成果。

時間來到了七月，藍色巨人如同以往一樣地迅速和靈活，開始宣傳人工智慧能夠如何幫助預測精神分裂症。於是，我們決定認真了解一下。

精神障礙——如精神分裂症是非常複雜的。病因和生物學與行為之間的關係在很大程度上仍然是未知的。阿爾伯塔大學Alberta Machine Intelligence Institute（AMII）的一位教授及這篇論文的合作編寫者之一的Russell Greiner表示，診斷依賴於精神病學測試，而結果往往是主觀的。

為了更客觀地研究精神分裂症，研究人員收集了95個測試對象的MRI腦補掃描數據。其中46人被醫生診斷為精神分裂症，而其餘49人是健康的。被掃描時，接受測試者被要求執行一個簡單的任務，將測試他們的灰質，然後對他們進行掃描，顯示神經元的組織狀況。

為了確保測試結果的公平，接受測試的人需要在掃描過程中執行相同的任務：當他們聽到一個「奇怪的」音調時——這個奇怪的聲音混雜在其他的聲音之中——他們就要按一個按鈕。

因此，掃描為研究人員提供了每個人的腦部模型。然後將每個模型分解成27,000個三位像素，每個三維像素在大腦內代表一個小的個體三維空間。

線性支持向量演算法通過查看每個體素中發生的情況來分析腦區域互連的強度。這種簡單的機器學習代碼選出了確定哪些生理特徵與精神分裂症密切相關的大腦模式。例如，它學習了解到，大腦丘腦和主要運動皮層區域之間的緊密聯繫是精神障礙的一個非常好的預測因素。

然後將該信息用於訓練稀疏多元回歸—— 一種分類演算法——以確定某人是否患有精神分裂症。

這篇論文的共同編寫者及AMII的博士後研究員Mina Gheiratmand對《TheRegister》的記者表示，「醫療數據難以獲得，這是一個小型數據集。」

研究人員使用94個對象供軟體進行學習，然後留下了一個對象進行實驗的測試。他們將相同的過程執行了95次，每次進行不同的掃描進行測試，最終所有的測試平均獲得74％的平均準確度。換句話說，該團隊在95個研究對象中選擇了94個進行研究，告訴軟體哪些大腦的主人被診斷患有精神分裂症，然後讓軟體自己想辦法弄清楚如何識別它們，最後用剩下的對象測試其新學習的能力。然後重複一遍又一遍用不同的測試對象進行測試。

這並不是最好的結果，但是這是顯示精神障礙在未來可能會由計算機進行診斷的第一步，Greiner對《TheRegister》的記者表示：

「現在還處在非常早期的階段，在這類技術可以被用於臨床環境之前，還有很多的挑戰需要應對。我們需要嘗試不同的數據集，並更好地了解精神分裂症。」

在IBM的Computational Psychiatry and Neuroimaging（計算精神病學和神經影像學）小組工作的研究人員Guillermo Cecchi表示：「精神分裂症是一種具有挑戰性的疾病，因為它不能被歸結為單一機制或特定領域。這是我們試圖通過將大腦視為網路來解決的問題，但我們的理論和實驗方法都是有限的。」

Guillermo Cecchi表示：「而且，像許多其他疾病一樣，它不是疾病的『單一』實例，而是出現在一個頻譜上，就像癌症的情況一樣。這意味著我們需要更好地表徵其癥狀，這是多維的，而不是僅僅是給出一個「是」或者「不是」的結論……這是我們嘗試通過影像進行臨床規模的推測想要解決的問題，但是也需要改進臨床評估本身的流程。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！