AI 帮助发现青少年脑中的自杀想法，EXO ME?

正文

请到「今天看啥」查看全文

当我们的部分脑区兴奋时，更多携氧血液将会流入该脑区，此时功能核磁共振就能检测出大脑的活动变化。 这是因为氧合充足的细胞与缺氧的细胞磁性不同。早期利用功能核磁共振的研究中，研究者多关注的是患者和对照组（一般是都是健康的受试者）之间的显著性差异。这种差异主要在于大脑活动激活的功能核磁信号的多少（也称为功能活动）或者是，近几年比较火的不同脑区之间神经活动的相关性（也就是功能连接）。然而，这些差异并未显著到可以区分患者或者是作为对照的健康人，也因此难以将它作为功能生物标记用于诊断或者是研究治疗手段的有效性。加斯特和他的同事利用机器学习分析数据的方式克服了传统功能核磁共振数据分析的技术限制，这也是他们本次研究的最大亮点。

图1：通常受试者会被送进“线圈”中，根据研究者的要求观看视频或图片，听指令或是音乐等，借由重复进行某种思考、动作或经历，可以用统计方法判断哪些脑区在这个过程中有信号的变化，因而可以找出是哪些脑区在执行这些思考、动作或经历

在他们的研究中，研究人员给每一个受试者都展示了3组具有不同情感暗示的词语[1]（每组10个词）(见图2)，一组与自杀相关（比如：死亡），一组表达消极情绪（比如：忧郁），还有一组表达积极情绪（比如：无忧）。在受试者看到这些词的同时进行功能核磁共振的扫描。结果发现，有六个词语和五个脑区（见图3）能最好地区分有自杀倾向的患者和对照组受试者。所以，他们训练机器学习分类器利用这三十个特征对每一个参与者进行患者和对照组的鉴别，结果十分显著： 分类器从17名具有自杀倾向患者中正确识别出了15名，并且从17名健康受试者中识别出了16名。 随之，他们继续对具有自杀倾向的患者进行研究，他们将患者分为曾经有过自杀企图和尝试的患者（9名）和仅有自杀念头的患者（8名）两组，并且用一个新的分类器进行训练，最终，它准确地分类出了17人中的16人，正确率达到了94%。

图2：研究人员向每一位受试者展示的三组含不同情绪成分的词语，每组10个

图3：画圈的白色区域即为有自杀念头和对照组受试者之间具有显著差异的5个脑区定位

到底是大脑中什么样的思维过程使患者的身份识别达到这么高的精确度？ 在之前的一项研究中，大脑中特定情绪的激活脑区已经被描绘[2]。因此，加斯特和他的同事们能够找到这6个不同的词语（比如：死亡，麻烦和无忧 ），并比较它们在患者与对照组受试者、以及仅有自杀念头与曾经有自杀尝试的患者之间的不同。从他们的研究中得出的一个结论是：相比于对照组受试者，带有消极情感的词汇在有自杀倾向的患者中引起更多的忧伤和耻辱，和更少的愤怒。

就像加斯特等研究者所强调的，这项研究对于精神病学的临床意义在于，我们不应只关注具有自杀倾向的患者如何对一些任务做出反应（比如口头回答或者按按钮），而更应该关注患者本身对于这些不同概念的主观想法和感受。

请到「今天看啥」查看全文