分析日常对话就能识别抑郁症，MIT的这款AI模型挺厉害

近日，美国麻省理工学院媒体实验室（CSAIL）的科研人员在一篇新论文中，描述了一款能够通过分析病人的文字和口头语言来感知抑郁症的神经网络系统。据CSAIL称，其工作原理是，将与病人谈话采集到的原始文字和语音数据放在这款神经网络模型中分析，总结出抑郁症患者的说话规律，并利用这种规律与其他病人进行分析对比来判断病情，其还会在分析过程中不断学习提高分析准确性。

医生判断抑郁症的传统方式是，询问病人一些关于过去神经病史、生活方式、心情等问题，分析病人的答案。

但是CSAIL科研人员认为每个病人说话方式不同，只是问问题和听答案有其局限性，因此研发了这款神经网络，通过分析病人的日常对话，来灵活全面地判断抑郁症状。也就是说这款神经网络最重要的特点就是不需要考虑语境，不需要通过特定的问题和答案来分析症状，分析病人的语言就够了。

据青亭网了解，CSAIL的科研人员从DAIC语言数据库中选择了142例患心理疾病的病人与人类操控的机器人谈话的音频、文字和视频数据。例如，这款模型会给语音中说话人单调的语气匹配悲伤、低沉或者心情不好等标签。模型可能参考的另一个规律是，患抑郁的病人说话会比较低沉，句子之间的停顿也会长一些，不过这款模型要更智能、参考的标准也更复杂全面。

神经网络模型将数据与个人健康调查问卷进行对比，将数据中中的病人从0到27打分，在中度（10-14分）和中重度（15-19分）区间以上的病人将被视作抑郁，低于这个区间的病人将被视作没有抑郁症，142例患者中有28人抑郁（20%）。

科研人员使用了准确率和召回率来评判这款模型，其中准确率测量的是有哪些抑郁症患者被模型识别为抑郁，而召回率测量的模型预测抑郁的整体准确性。据悉，这款模型的准确率为71%，召回率为83%，二者合在一起达77%。在大部分测试中，这款神经网络模型效果几乎超越了其他所有传统分析模型。

这款神经网络可以对医生起到辅助作用，比如当其发现异样就会通知医生。科研人员希望未来将这款模型的应用扩展到分析痴呆症等认知障碍疾病上，或者做成移动应用，通过分析用户的短信和电话，发现心理压力然后发出提示。这不禁让人想起了之前曾曝光过的一段谷歌“The Selfish Ledger”影片，同样是手机将人类的生活安排的妥妥当当，就是有点吓人罢了。当然，对于那些因为距离远、难以负担医药费或者缺乏意识而没能去找医生确诊的人来说，如果有这么一款应用还是很方便的。

另外，就像之前人类通过观察AI玩《Dota 2》来学习新打法一样，CSAIL的科研人员也希望可以分析、学习这款神经网络使用的诊断标准。本文系青亭网翻译自：Tech Crunch