由Inria的丹尼斯·恩格曼(Denis Engemann)指导的跨学科合作发表的一项研究表明:机器学习从大的人群队列中可以得出与大脑相关的健康问题的“代理措施”,而不需要专家的评估。研究人员利用了英国生物银行,该银行包含英国人口详细和安全的健康相关数据。
心理健康世界范围内的问题越来越多,世卫组织确定2007年至2017年间,精神健康状况和药物滥用障碍增加了13%。这些疾病给社会带来的负担是广泛的,对生活的几乎每个领域都产生了负面影响:学校、工作、家庭、朋友和社区参与。在阻碍社会解决这些疾病能力的众多问题中,对此类健康问题的诊断需要专家;其供应范围遍及全球。为促进心理健康评估而开发的机器学习方法可以提供一种急需的额外手段,帮助发现、预防和治疗此类健康问题。
为了开发对心理健康敏感的人工智能模型,Inria(法国萨克莱)的研究人员及其同事向英国生物银行寻求所需的数据。英国生物银行不仅存储生物学和医学数据,还存储关于个人情况和习惯的问卷数据,如年龄、教育、吸烟和饮酒、睡眠时间和体育锻炼。针对这项研究,这些问卷还包括社会人口和行为数据,如个人的情绪和情绪,生物数据包括10000名参与者脑部扫描的磁共振(MR)图像。
Inria的科学家们将这两个数据源结合起来,建立了近似测量大脑年龄的模型,并科学地定义了智力和神经质特征。这些指标作为“代理指标”,是与无法直接衡量的特定疾病或结果密切相关的间接指标。以这种方式发展的近似方法在过去已经成功地用于预测“大脑年龄”磁共振图像.之前的神经临床工作是丹尼斯·恩格曼和他的团队的起点。
Engemann解释道:“在这项工作中,我们从两方面概括了这种方法。首先,我们证明,除了生物老化,同样的代理测量框架也适用于与心理健康更直接相关的结构。其次,我们表明,有用的替代测量可以从其他输入,而不是大脑图像,如社会人口学和行为数据。”
研究人员通过在英国生物银行数据的一个单独的子集中展示相同的结果,验证了他们的替代指标。
这项工作的结果让我们看到了未来,心理学家和机器学习模型可以携手合作,产生越来越细粒度和个性化的心理评估。例如,在未来,客户或患者可能允许机器学习模型安全访问他们的社交媒体账户或移动电话数据,然后返回对客户和心理健康或教育专家都有用的代理措施。
然而,尽管人工智能可以提供急需的评估工具,但人类互动仍将是必不可少的,正如Engemann指出的那样:“不会改变的是,无论测试结果是通过机器学习还是传统测试获得的,心理健康从业者都需要在个案的基础上,通过社会互动仔细解读测试结果,并将其背景化。”
这项工作发表在开放存取期刊上GigaScience.
来源:GigaScience