自殺是美國15-34歲年輕人死亡的第二大原因，而臨床醫生只能使用有限的手段來識別那些具有自殺傾向的人。今日發表在《自然人類行為》的一篇論文中記錄了一種新型機器學習技術，該技術可幫助識別那些有自殺想法的人。

研究人員對34名年輕人進行了調查，有自殺傾向的參與者和實驗對照組各人數占一半。每個實驗對象都經過功能性磁共振成像（fMRI）檢查，并給出了三個包含10個單詞的列表。所有詞匯均與以下三個方面相關，自殺（如“死亡”、“痛苦”或“致命”）、積極影響（“無憂無慮”、“善良”、“天真”）或消極影響（“無聊”、“邪惡”、“內疚”）。研究人員還使用了之前繪制的神經信號圖，這些信號可顯示大腦的情緒模式，比如“羞恥”和“憤怒”。

五個大腦定位，連同六個單詞，被發現是區分自殺患者和對照組的最佳標志。利用這些位置和詞匯，研究人員訓練了一種機器學習分類器，它能夠正確識別17名自殺者中的15名有自殺傾向參與者，以及17名對照受試者中的16名無自殺傾向參與者。

隨后，研究人員將自殺的患者分成兩組，一組有過自殺經歷（9人），另一組沒有自殺經歷（8人），并訓練了一種新的分類器，它能夠正確識別17名患者中的16名患者。

結果顯示，心理健康的參與者和有自殺想法的人對單詞的反應明顯不同。例如，當有自殺傾向的參與者看到“死亡”這個詞時，他們大腦中的“羞恥”區域比對照組中參與者的大腦相應區域亮的多。同樣，“麻煩”這個單詞也會在“悲傷”區域引發更多的腦部活動。

這是旨在將人工智能引入精神病學的最新嘗試。研究人員正在研究機器學習項目，從分析核磁共振波譜到預測重度抑郁癥，再到從人們的說話模式中識別創傷后應激障礙（PTSD）。

今年早些時候，《連線》雜志曾報道過一些研究人員，他們建立了一個系統，可以通過分析健康記錄來標記有自殺風險的人，準確率在80%到90%之間。Facebook正在使用文本挖掘技術來識別面臨自殺或自殘風險的用戶，然后將其指向心理健康資源（見“Facebook的自殺預防工具的幾大問題”）。

人工智能已經在醫學領域掀起了波瀾。有一些算法非常善于檢測腫瘤和CT掃描中出現的其他問題，而杰弗里·新敦告訴《紐約客》，放射科醫生最終將會失業。他是深度學習領域最重要的研究人員之一。事實上，他說，“他們現在應該停止培養放射科醫生。”

在這種情況下，這項研究更有可能激發出新的人類驅動的治療方法，而不是讓一整個領域的醫生失去工作。這篇論文指出，識別不同的模式和區域可以為大腦刺激技術開發新的領域。確定對自殺相關術語的特定情緒反應，也可用于心理治療師治療患者。