今天由 Inria 的 Denis Engemann 指導的跨學科合作發(fā)表的一項研究表明，從大量人群中進行機器學習可以產生與大腦相關的健康問題的“代理措施”，而無需專家的評估。研究人員利用了英國生物銀行，這是世界上最大、最全面的生物醫(yī)學數據庫之一，其中包含有關英國人口的詳細且安全的健康相關數據。這項工作發(fā)表在開放獲取期刊GigaScience 上。
精神健康問題在世界范圍內不斷增加，世界衛(wèi)生組織確定，2007 年至 2017 年間精神健康狀況和藥物濫用障礙增加了 13%。這些疾病給社會帶來的負擔是廣泛的，幾乎對生活的每個領域都產生了負面影響：學校、工作、家庭、朋友和社區(qū)參與。在阻礙社會解決這些疾病的能力的眾多問題中，此類健康問題的診斷需要專家;其可用性在全球范圍內變化很大。為促進心理健康評估而開發(fā)機器學習方法可以提供一種急需的額外手段來幫助檢測、預防和治療此類健康問題。
為了開發(fā)對心理健康敏感的 AI 模型，Inria(薩克雷-法蘭西島)的研究人員及其同事轉向英國生物銀行獲取所需數據。英國生物銀行不僅存儲生物和醫(yī)療數據，還存儲有關個人情況和習慣的問卷數據，例如年齡、教育、煙草和酒精使用、睡眠時間和體育鍛煉。針對這項研究，這些問卷還包括社會人口學和行為數據，例如個人的情緒和情緒，而生物數據包括 10,000 名參與者腦部掃描的磁共振 (MR) 圖像。
Inria 的科學家們將這兩個數據源結合起來，建立了一個近似測量大腦年齡、科學定義的智力和神經質特征的模型。這些作為“代理測量”，是與無法直接測量的特定疾病或結果密切相關的間接測量。以這種方式開發(fā)近似值在過去已成功用于從 MR 圖像預測“腦年齡”。之前的神經臨床工作是 Denis Engemann 和他的團隊的起點。
Engemann 解釋說：“在這項工作中，我們以兩種方式概括了這種方法。首先，我們證明，除了生物老化之外，相同的代理測量框架適用于與心理健康更直接相關的結構。其次，我們證明了有用的替代措施可以從大腦圖像以外的其他輸入中推導出來，例如社會人口統(tǒng)計學和行為數據。”
研究人員通過在英國生物銀行數據的單獨子集中展示相同的結果來驗證他們的代理措施。
這里的工作結果讓我們一窺未來，心理學家和機器學習模型可以攜手合作，產生越來越細粒度和個性化的心理評估。例如，在未來，客戶或患者可能會授予機器學習模型安全訪問其社交媒體帳戶或手機數據的權限，然后返回對客戶和心理健康或教育專家都有用的代理度量。
然而，雖然人工智能可以提供急需的評估工具，但人際互動仍然必不可少，正如恩格曼指出的那樣：“不會改變的是，心理健康從業(yè)者需要仔細解釋和背景化測試結果，逐案分析——案例基礎和通過社交互動，無論它們是使用機器學習還是經典測試獲得的。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！