今天由 Inria 的 Denis Engemann 指导的跨学科合作发表的一项研究表明,从大量人群中进行机器学习可以产生与大脑相关的健康问题的“代理措施”,而无需专家的评估。研究人员利用了英国生物银行,这是世界上最大、最全面的生物医学数据库之一,其中包含有关英国人口的详细且安全的健康相关数据。这项工作发表在开放获取期刊GigaScience 上。
精神健康问题在世界范围内不断增加,世界卫生组织确定,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,几乎对生活的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的能力的众多问题中,此类健康问题的诊断需要专家;其可用性在全球范围内变化很大。为促进心理健康评估而开发机器学习方法可以提供一种急需的额外手段来帮助检测、预防和治疗此类健康问题。
为了开发对心理健康敏感的 AI 模型,Inria(萨克雷-法兰西岛)的研究人员及其同事转向英国生物银行获取所需数据。英国生物银行不仅存储生物和医疗数据,还存储有关个人情况和习惯的问卷数据,例如年龄、教育、烟草和酒精使用、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学和行为数据,例如个人的情绪和情绪,而生物数据包括 10,000 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,建立了一个近似测量大脑年龄、科学定义的智力和神经质特征的模型。这些作为“代理测量”,是与无法直接测量的特定疾病或结果密切相关的间接测量。以这种方式开发近似值在过去已成功用于从 MR 图像预测“脑年龄”。之前的神经临床工作是 Denis Engemann 和他的团队的起点。
Engemann 解释说:“在这项工作中,我们以两种方式概括了这种方法。首先,我们证明,除了生物老化之外,相同的代理测量框架适用于与心理健康更直接相关的结构。其次,我们证明了有用的替代措施可以从大脑图像以外的其他输入中推导出来,例如社会人口统计学和行为数据。”
研究人员通过在英国生物银行数据的单独子集中展示相同的结果来验证他们的代理措施。
这里的工作结果让我们一窥未来,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,客户或患者可能会授予机器学习模型安全访问其社交媒体帐户或手机数据的权限,然后返回对客户和心理健康或教育专家都有用的代理度量。
然而,虽然人工智能可以提供急需的评估工具,但人际互动仍然必不可少,正如恩格曼指出的那样:“不会改变的是,心理健康从业者需要仔细解释和背景化测试结果,逐案分析——案例基础和通过社交互动,无论它们是使用机器学习还是经典测试获得的。”
标签:
免责声明:本文由用户上传,如有侵权请联系删除!