心理医生可能要失业？AI辅助精神疾病诊断典型案例分享

普通的心理诊疗，医生首先要对病人的精神情况进行初诊，通过数次类似心理采访的直觉来判断症状，凭经验诊断出精神疾病种类，然后对症拟定治疗方案，包括使用何种药物、多大药量等。然而受医生主观判断和经验的限制，可能在诊断上出现错误，导致迟迟不能确诊，或者不能正确判断用药种类和剂量，耽误病情。

在这个机器学习大行其道的时代，人工智能在精神病医学上的应用愈加广泛，而且在诊断和治疗的阶段都有介入。人工智能在实验中表现出相当高的判断准确性，有超过人类的趋势，并有望在未来精神疾病诊疗中起到重要作用。

不过，如果要用人工智能辅助精神疾病的药物干预，必须要进行详细研究、验证。例如，虽然用语言分析技术诊断精神分裂症已被证实有相当高的准确性，但这也仅是一次试验的结果。况且，至今没有人对抑郁症和躁郁症的症状建立相应模型。

AI用到实践中依然是长路漫漫，尤其对精准性的要求。Siri在识别苏格兰口音上总出问题，这也许是无伤大雅，但在医疗领域，小错误却会造成毁灭性的后果。“如果有种技术有20%的出错率（或者80%的正确率），我是绝对不会把它用到病人身上的。”哈佛大学教授Vahabzadeh说。

再加上年龄、性别、种族、地区等因素，人工智能带来的风险就会更大。如果一个人工智能系统的数据来源人群都是属于同一人口统计学类别的，再去测试其他人群，即使是正常样本也会被误判。“有些特定的族群，说话的声音比较轻柔，或者有的人因为生理因素，活动量受到限制，那么人工智能把他们误诊为抑郁症也是情有可原的。”要加强机器学习在精神疾病中的应用，目前只有通过更大的人类行为数据库来提供更多的“训练”。也许在不久之后，人工智能科技就可以解决精神疾病诊疗人员短缺的现状，并极大地削减人力成本。

尽管如此，目前市面上已经出现了一些比较不错的利用AI辅助精神疾病诊断的方案。动脉网（微信：vcbeat）为你介绍一些人工智能在精神领域的应用和新动向，以及它们面临的一些挑战。

1.NeuroLex Diagnostics：帮助诊断精神分裂症

精神分裂症人群讲话有非常显着的特征，常表现为非自主发声：讲话中短句居多，语义混乱，“这个”、“那个”、“一个”之类的模糊词使用频率高，句与句连起来的表意含糊不清。2015年，一组研究人员根据精神分裂症的语言特征制作了一个人工智能模型，通过分析谈话记录，准确地预测出了哪一组年轻人可能患精神错乱（精神分裂症主要症状）。

NeuroLex Diagnostics公司的CEO Jim Schwoebel想要用这种技术来帮助初诊医生筛选出精神分裂症患者。NeuroLex的产品逻辑是这样：把智能手机等可录音设备安装在治疗室隐秘处，录下谈话内容，然后使用上述研究里用到的人工智能模型来寻找患病线索。系统会自动用数字表征患病严重程度（就像血压计一样），并为医生提供诊断参考。

NeuroLex Diagnostics致力于分析话语，提升健康

精神分裂症筛选器这个发明已经让Schwoebel获得了美国精神病学会奖励。此外，NeuroLex还想为正在医院里进行精神病治疗的病人制造一种产品，除了诊断精神疾病，还能进一步对病患进行长期的语言分析，以此记录病情进展。

Schwoebel做这件事有个重要的私人原因：他的哥哥患有精神分裂症，在真正开始治疗之前，经过了10多次的初诊才终于确诊，后续的药物治疗也一次又一次宣告无效。这也让Schwoebel开始思考，对于需要药物治疗精神分裂症的人来说，怎么才能尽快找到最佳药方，以及正确的用药量。

NeuroLex为了研究精神分裂症的用药问题，拟定了一个对病人的临床观察计划：如果在某种用药方案之后，语言分析显示病人的症状减轻，那就证明方案有效；反之，人工智能就会建议尽快开始另一种治疗方案，减少错误用药的伤害。在数据积累到一定量以后，系统还可以分析特征相似的历史案例，从而推荐有效的用药方案。

2.Companion：“被动观测”心理状态

对于抑郁症、创伤后应激障碍等精神健康受损人群来说，精神崩溃可能表现为一种缓慢发作的形式，情绪危机不会只从一次心理治疗中完全显现。

“每一阶段的抑郁或躁狂都可能对大脑造成一些损伤。”在美国麻省总医院做医疗实践的哈佛教授Thilo Deckersbach如是说。医院的线上“情绪研究网络”将与Cogito人工智能公司合作，测试一个叫“Companion”的手机软件，这个软件能够观测患者的活动、通话、短信、说话方式等特征，来标记早期的精神问题征兆。

比起让患者写病情日记等方法，此类“被动观测”方法效果更显着。哈佛教授David Ahern说，主观记录的过程太过冗繁，大多在三个月之内就会被弃用。比如心理健康量表，要求病人每天回答6个心理状态问题（如感到平静和放松的频率）及8个生活方式问题（如睡眠、锻炼情况），还建议每天（周）记录17种心理疾病症状的发生与否，如心情低落、攻击性行为等。“很悲哀，大多数人就是做不好这个，”Deckersbach说，“他们不想时时刻刻都关注自己的情绪。”

“被动观测”则不会让人们在情绪上分心。仅仅是把手机带在身上，GPS、加速度传感器、电话和短信记录就会收集到很多的精神状况信息。Companion应用里的“Out and About（走动情况）”可以观测活动量，这正是抑郁症的衡量标准之一。电话和信息的数量还能透露患者的社交联结程度，这是判断创伤后应激障碍的一个指标。唯一一个要用户亲自做的，就是每天录一段10秒~10分钟的音频，通过分析声调、语速、和“声音紧张程度”来判断心理状况。

3.Ginger.io：精神卫生领域的Uber

Ginger.io这个APP在2011年刚上线的时候，是一个提供免费专业心理学量化的工具，如果结果显示某种心理疾病的风险，就会警示用户的家人或医生。这个APP同样是用到了机器学习的技术，追溯症状规律，把用户的心理特征和具体的精神问题联系起来。至今，Ginger.io共收集了140多万份完整问卷，40多家医疗机构都曾使用Ginger.io来协助处理病例。

“这几年下来，我们意识到Ginger.io的机会比我们预想的要大得多。”Ginger.io的CEO Anmol Madan说。现在Ginger.io开设了自己的心理医疗付费订阅服务，可以让用户和被称为“心理教练”的顾问进行无限制交流，还在加州开放了50分钟一次的视频治疗，这让它成为“精神卫生领域的Uber”。

“单纯走技术路线是走不远的，”Madan说。“我们相信，让每个人都能接受高质量的精神健康呵护这一点，应当被纳入人权。但是只提供技术手段来实现这个理想显然行不通。”用人工智能对复杂症状进行精确分析，结合心理医生对病人的真实情感关照，也许是未来精神疾病治疗的最优方案。

来源：动脉网（微信号：vcbeat）   作者：刘露诗