语言模式可以预测精神疾病
Sharon Reyno 文 | NIH
Mints 编译
一项概念验证(proof-of-concept)研究发现，口语模式可以预测究竟哪些有精神病风险的人会在两年内发展为完全精神病，准确率为93%。
提高识别潜在精神病的人的能力能够让我们在更早的时候进行干预策略。语言中的细微模式可能包含精神病的早期症状。
精神疾病，如精神分裂症，极有可能是高度致残。精神病发作时的体验很多都与现实无关的是幻觉和错觉，例如，感觉到人们正在想方设法伤害自己的妄想。如果研究人员能够确定精神病患者何时会精神病发作，那么就可以测试那些有希望的方法来推迟或停止这一过程。
使用机器学习技术，利用两层神经网络处理大量文本，从而创建单词嵌入。最右是99％的英文常见单词（N = 42,234）的二维投影（蓝色=名词；红色=动词；橙色=形容词；湖绿色=介词）
研究表明，语言模式可能有助于预测某人是否有精神病性的体验。埃默里大学的Neguine Rezaii、ElaineWalker和PhillipWolf博士测试了机器学习是否有助于这种模式的识别。他们使用复杂的计算机程序分析了40名参加长期参与研究的年轻人的语言模式，这些年轻人都有患精神病的风险。由于这些年轻人的思维、感知和交流的都存在异常模式，因此被登记入组。
计算机模块打包向量的过程。 叠加的单词向量（黑色）产生一个合成的句子向量（蓝色）。 通过权重学习来确定意义向量，最后生成一个最接近于句子的线性组合。 DOI: 10.1038/s41537-019-0077-9
研究人员收集了参与者参加研究时的访谈记录。该研究小组利用机器学习评估演讲的复杂性，并对参与者使用的主题进行分类。访谈结束后，对参与者进行了为期两年的跟踪调查，以确定谁患了精神病。研究小组寻找疾病最早阶段的特定语言模式的可能标志。
这项研究部分由国家卫生研究院（NIMH）资助。结果发表于2019年6月13日的《NPJ精神分裂症》杂志上。
机器学习系统使用40名参与者中30人的语言样本进行培训。研究发现，从精神病患者身上提取的样本，其语义密度（在句子中传达的意义较少）低于从大量正常语言数据库中提取的样本。然后研究者对其余10名参与者的测试结果进行了系统的预测。这种语言特征可以预测剩下的参与者谁会发展成精神病，准确率为80%。
该系统还发现，与Reddit网站上的30000名投稿人的谈话相比，那些后来有精神病发作的人群更经常使用与声音和声音有关的词语。之所以用社交网络用于比较，是因为网上使用的非正式语言与研究访谈中使用的非常接近。
30万Reddit用户使用词语的文本地图，词义降维后得到了词语在地图中所在的位置。虚线圈内的词语和语音和声音有关。
通过结合语义密度和词的选择差异，系统可以预测剩下的10名参与者中哪一个会发展成精神病，准确率为93%。
Walker说：“如果我们能更早地识别出有风险的人，并采取预防性干预措施，我们也许就能扭转局势。”有很好的数据表明，像认知行为疗法这样的治疗可以延缓发病，甚至可能减少精神病的发生。
研究结果需要在更大的精神病风险人群中得到证实。这种机器学习语言的方法有潜力检测新出现的精神疾病，并提供洞察人类大脑如何正常处理思想和想法。
www.psychspace.com心理学空间网
