醫(yī)生診斷抑郁癥通常會(huì)問(wèn)病人一些具體的問(wèn)題，比如情緒、精神疾病、生活方式和個(gè)人病史等，然后根據(jù)做出的答案進(jìn)行診斷。如今，麻省理工學(xué)院(MIT)的研究人員建立了一個(gè)人工智能模型，可以在不需要回答這些特定問(wèn)題的情況下，根據(jù)人們的自然會(huì)話和寫(xiě)作風(fēng)格來(lái)判斷他們是否患有抑郁。 Gu=STb  
@DW[Z`X
 
據(jù)該項(xiàng)目的首席研究員圖卡·阿爾哈奈說(shuō)，“一個(gè)人是快樂(lè)的、興奮的、悲傷的，或者有一些嚴(yán)重的認(rèn)知狀況，比如抑郁，我們得到的第一個(gè)暗示就是通過(guò)他們的語(yǔ)言。如果要想部署抑郁檢測(cè)模型……希望對(duì)正在使用的數(shù)據(jù)進(jìn)行最小化約束，那就嘗試在任何常規(guī)的對(duì)話中使用它，讓模型從自然的交互中獲得個(gè)體的狀態(tài)。” 7?OH,^  
>r &;3:"  
研究人員將這種模型稱為“上下文無(wú)關(guān)”，因?yàn)樵诳梢员粏?wèn)的問(wèn)題類型或?qū)⒈徊檎业捻憫?yīng)類型中沒(méi)有約束。研究人員使用一種被稱為序列建模的技術(shù)，從與抑郁者和非抑郁者的對(duì)話中輸入模型文本和音頻。隨著序列的累積，模式就出現(xiàn)了，比如“sad”或“down”等詞的自然使用，以及更平更單調(diào)的音頻信號(hào)。 )'l*Tl  
C8a*Q"  
阿爾哈奈說(shuō):“這個(gè)模型能觀察到一系列的詞匯或說(shuō)話方式，并確定這些模式更可能出現(xiàn)在抑郁或不抑郁的人身上。”“然后，如果它在新受試者身上看到同樣的序列，就能預(yù)測(cè)他們是否也會(huì)抑郁。”在測(cè)試中，該模型識(shí)別抑郁癥的成功率達(dá)到77%，超過(guò)了幾乎所有其他模型——其中大多數(shù)依賴于高度結(jié)構(gòu)化的問(wèn)題和答案。 p2PY@d}}.  
?Z\Yu'  
研究團(tuán)隊(duì)稱，這個(gè)模型是將成為臨床醫(yī)生的一個(gè)有用的工具，因?yàn)槊總�(gè)病人說(shuō)話都不一樣。“如果模型看到了變化，也許它會(huì)成為醫(yī)生診斷的證據(jù)，”共同研究員詹姆斯·格拉斯說(shuō)。“在未來(lái)，該模型還可以為移動(dòng)應(yīng)用程序提供動(dòng)力，這些應(yīng)用程序可以監(jiān)控用戶的文本和語(yǔ)音，以備精神困擾，并發(fā)送警報(bào)。這對(duì)于那些由于距離、費(fèi)用或缺乏對(duì)可能出現(xiàn)問(wèn)題的認(rèn)識(shí)而無(wú)法找到臨床醫(yī)生進(jìn)行初步診斷的人來(lái)說(shuō)尤其有用。” C1T_9}L-A  
tgL$"chj@x  
研究人員還打算在更多患有其他認(rèn)知疾病(如癡呆癥)的受試者身上測(cè)試這些方法。阿爾哈奈說(shuō):“這并不是檢測(cè)抑郁癥，而是一個(gè)類似的概念，從日常語(yǔ)音信號(hào)來(lái)判斷一個(gè)人是否有認(rèn)知障礙。”