英国《自然·人类行为》杂志近日在线发表了一项人工智能最新进展：美国科学家利用机器学习技术表征人脑内的死亡和生命相关概念，让人工智能高度准确地判断具有自杀想法的病人和无自杀想法的个体。

    根据世界卫生组织统计，全球每年约有80万人自杀身亡。评估自杀风险是心理健康临床医生面临的最大挑战之一：具有自杀想法的病人常常掩盖其意图，而临床医生对自杀风险的预测和判断也一直不甚理想。因此，人们亟须不依赖于自我报告的自杀风险标记。

    此次，美国卡内基梅隆大学科学家马塞尔·加斯特、戴维·布兰特及其同事，向具有自杀倾向的病人和对照组个体展示与死亡和生命相关的单词，在此过程中对他们进行功能性磁共振成像扫描。结果发现，对其中六个单词（死亡、残忍、麻烦、无忧无虑、良好和赞美）的神经活动应答以及五个脑区的神经活动，最有助于区分想自杀的病人和对照组个体。之后，研究者训练一种机器学习算法，使用这些信息来鉴定哪些被试者是病人，哪些是对照组个体。人工智能准确鉴定出了17位自杀倾向组病人中的15位，以及17位对照组健康个体中的16位。

    该算法还可以在具有自杀想法的人中，进一步区分哪些做过自杀尝试，而哪些没有。研究者将想自杀的病人分为两个小组：曾尝试过自杀（9位）和未尝试过自杀（8位）。该算法经训练后，极其准确地鉴定出了16人的情况。

    尽管该研究样本数量不大，尚待进行必要的重复实验，但评论依旧认为，如果复制并扩展到其他精神疾病群体，那么此次开发出的技术与类似的功能性神经造影方法，有望成为诊断神经精神疾病的主要医学工具。