英國《自然·人類行為》雜志近日在線發(fā)表了一項人工智能最新進展：美國科學家利用機器學習技術表征人腦內的死亡和生命相關概念，讓人工智能高度準確地判斷具有自殺想法的病人和無自殺想法的個體。

　　根據(jù)世界衛(wèi)生組織統(tǒng)計，全球每年約有80萬人自殺身亡。評估自殺風險是心理健康臨床醫(yī)生面臨的最大挑戰(zhàn)之一：具有自殺想法的病人常常掩蓋其意圖，而臨床醫(yī)生對自殺風險的預測也一直不甚理想。因此，人們亟須不依賴于自我報告的自殺風險標記。

　　此次，美國卡內基梅隆大學科學家馬塞爾·加斯特、戴維·布蘭特及其同事，向具有自殺傾向的病人和對照組個體展示與死亡和生命相關的單詞，在此過程中對他們進行功能性磁共振成像掃描。結果發(fā)現(xiàn)，對其中六個單詞（死亡、殘忍、麻煩、無憂無慮、良好和贊美）的神經活動應答以及五個腦區(qū)的神經活動，最有助于區(qū)分想自殺的病人和對照組個體。之后，研究者訓練一種機器學習算法，使用這些信息來鑒定哪些被試是病人，哪些是對照組個體。人工智能準確鑒定出了17位自殺傾向組病人中的15位，以及17位對照組健康個體中的16位。

　　該算法還可以在具有自殺想法的人中，進一步區(qū)分哪些做過自殺嘗試，而哪些沒有。研究者將想自殺的病人分為兩個小組：曾嘗試過自殺（9位）和未嘗試過自殺（8位）。該算法經訓練后，極其準確地鑒定出了16人的情況。

　　評論認為，如果復制并擴展到其他精神疾病群體，那么此次開發(fā)出的技術與類似的功能性神經造影方法，有望成為診斷神經精神疾病的主要醫(yī)學工具。