脑成像科学可以识别有自杀念头的个体
由卡耐基梅隆大学的Marcel Just和匹兹堡大学的David Brent领导的研究人员开发了一种创新且有前景的方法，通过分析他们的大脑对某些概念(如死亡、残忍和麻烦)的表征变化，来识别自杀者。
自杀风险是出了名的难以评估和预测自杀是美国年轻人死亡的第二大原因。发表在自然的人类行为在美国，该研究提供了一种评估精神障碍的新方法。
“我们最新的工作是独一无二的，因为它确定了与自杀意念还有行为，使用机器学习算法来评估与自杀相关的特定概念的神经表征。这为我们打开了一扇通往大脑和思想的窗户，揭示了自杀者是如何看待自杀和情感相关概念的。这项新研究的核心是，我们可以通过人们思考死亡相关话题的方式来判断他们是否在考虑自杀，”贾斯特说，他是CMU迪特里希人文与社会科学学院的D.O.赫布大学心理学教授。
在这项研究中，贾斯特和布伦特向两组17人展示了10个与死亡有关的单词，10个与积极概念(如无忧无虑)有关的单词，10个与消极想法(如烦恼)有关的单词。布伦特是自杀研究的教授，也是皮特大学精神病学、儿科学、流行病学、临床和转bob电竞化科学的教授有自杀倾向17个神经正常的个体。
他们将机器学习算法应用到6个单词概念上，当参与者在大脑扫描仪中思考每一个单词时，它们能最好地区分两组人。这些分别是死亡、残忍、烦恼、无忧无虑、善良和赞美。基于这六个概念的大脑表征，他们的程序能够以91%的准确率识别出参与者是来自控制组还是自杀组。
然后，他们把注意力集中在那些有自杀想法的人身上，用类似的方法来观察算法是否能区分出那些曾经有过自杀企图的人和那些只想到过自杀的人。该程序能够准确地分辨出这9名企图自杀的人，准确率高达94%。
布伦特说:“在更大的样本中进一步测试这种方法将确定它的普遍性和预测未来自杀行为的能力，并可能在未来为临床医生提供一种方法来识别、监测和干预改变的和经常扭曲的思维，这种思维往往是严重自杀的个体的特征。”
为了进一步了解是什么原因导致自杀者和非自杀者对特定的想法有不同的大脑激活模式，贾斯特和布伦特使用了情绪的神经信号档案(尤其是悲伤、羞耻、愤怒和骄傲)，来测量参与者大脑中每种情绪被六种辨别概念所唤起的数量。根据概念的情感特征差异，机器学习程序能够准确地预测参与者属于哪一组，准确率高达85%。
贾斯特说:“后一种方法的好处，有时被称为可解释的人工智能，更能揭示是什么区分了两组人，即区分词唤起的情感类型。”“人与自杀的念头当他们想到一些测试概念时，会有不同的情绪。例如，“死亡”的概念在想过自杀的那一组人中引起了更多的羞耻和悲伤。这一点额外的理解可能提供一种治疗方法，试图改变情感对某些概念做出回应。”
贾斯特和布伦特希望，这项基础认知神经科学研究的发现可以用来拯救生命。
“最迫切的需要是将这些发现应用到更大的样本中，然后用它来预测未来的自杀企图，”布伦特说。
贾斯特和他在CMU的同事汤姆·米切尔首先开创了机器学习在大脑成像中的应用，从他们的大脑中识别概念大脑激活签名。从那时起，研究已扩展到识别情绪和多重概念通过他们的神经信号来思考，并揭示复杂的科学概念是如何在学习过程中被编码的。
进一步探索
