AIは日常の言葉で精神病のリスクを予測できます
人々の言葉は、精神病を発症する将来のリスクについての手がかりを明らかにする可能性があります。科学者たちは、人々の日常のスピーチの微妙な特徴を研究した後、これを結論付けました。
ジョージア州アトランタのエモリー大学とマサチューセッツ州ボストンのハーバード大学の研究者は、機械学習技術を使用して、危険にさらされている若者のグループの言語を分析しました。
彼らは、93％の精度でどの個人が精神病を発症するかを予測できることを発見しました。
最近 npj統合失調症 研究論文では、チームがどのようにメソッドを開発およびテストしたかについて説明しています。
エモリー大学の心理学教授である上級研究著者のフィリップ・ウルフは、以前の研究で「将来の精神病の微妙な特徴が人々の言語に存在する」ことをすでに確立していると説明しています。ただし、「機械学習を使用して、これらの機能に関する隠れた詳細を実際に明らかにしました」と彼は述べています。
彼と彼の同僚は、意味密度と音に関連する単語の使用という2つの言語変数を測定するための機械学習アプローチを考案しました。
彼らは、「精神病への転換は、低い意味密度によって示され、声と音について話す」と結論付けました。
低いセマンティック密度は、チームが「コンテンツの貧困」またはあいまいさと呼んでいるものの尺度です。
「この作品は、将来のメンタルヘルスの指標が計算手法を使用して人々の自然言語から抽出できることを実証する概念実証研究です」と著者は述べています。
機械学習と精神病の症状
機械学習は、科学者が学習を明示的にプログラムする必要なしに、コンピューターが「経験から学習」する一種の人工知能です。
機械学習システムは、既知のデータセット内のパターンを検索し、特定の機能を識別するパターンを決定します。これらの機能が何であるかを「学習」すると、新しいデータセットでそれらをたゆまず識別することができます。
機械学習は、精神病のリスクがある人を診断して治療するためのトレーニングを受けた医師でさえ気付かない可能性のある、人々の言語使用のパターンを見つけることができます。
「人々との会話でこれらの微妙なことを聞こうとすることは、あなたの目で微細な細菌を見ようとするようなものです」とハーバード大学医学部神経学部のフェローである最初の研究著者であるネギン・レザイは説明します。
ただし、機械学習を使用して、人々の言語に隠れている特定の微妙なパターンを見つけることは可能です。 「それは精神病の兆候を警告するための顕微鏡のようなものです」と彼女は付け加えます。
Rezaiiは、エモリー大学医学部の精神医学および行動科学科に常駐していたときに研究に取り組み始めました。
精神病は、何が本物で何がそうでないかを区別するのが難しい精神状態です。
人がこの精神状態に入ると、医師はそれを精神病エピソードと呼びます。そのようなエピソードの間に、人々は混乱した認識と思考を経験します。妄想と幻覚は精神病の一般的な症状です。
精神病のエピソードの間、人は不適切な行動を示したり、首尾一貫せずに話したりすることがあります。さらに、彼らは睡眠障害を経験し、社会的に引きこもり、落ち込んで、不安になるかもしれません。
米国国立衛生研究所（NIH）の1つである国立精神衛生研究所の数値によると、米国では、約3％の人が生涯に精神病の期間を経験します。
精神病リスクの早期診断の改善
精神病は統合失調症やその他の重度の長期的な精神的健康状態の特徴です。
精神病の警告徴候は通常、10代半ばから後半に始まり、医師が前駆症候群と表現する精神病症状のクラスターを伴います。
前駆症候群を発症する10代の約25〜30％は、統合失調症などの精神病を発症します。
面接と認知能力のテストから、適切な訓練を受けた医師は通常、前駆症候群のどの人が精神病を発症するかを約80％の精度で予測できます。
科学者たちは、この予測率を改善し、診断プロセスをより正確で簡単にするために、さまざまなアプローチを試みています。機械学習はこれらのアプローチの1つです。
Wolff教授と彼のチームは、日常会話の言語規範を特定するための機械学習システムを取得することから研究を開始しました。
彼らは、Redditの30,000人のユーザーからシステムのオンライン会話を提供しました。 Redditは、登録ユーザーがさまざまなトピックについて会話できるオンラインニュース、コンテンツレーティング、およびディスカッションプラットフォームです。
チームはWord2Vecソフトウェアを使用して、会話内の個々の単語を分析しました。ソフトウェアは、「意味空間」で同じ意味を持つ単語が互いに近くなるように単語をマッピングしますが、非常に異なる意味を持つ単語は互いに遠く離れます。
研究者たちは、セマンティクスを分析する能力を拡張するために、システムに別のプログラムを追加しました。以前の研究では、この分析は、人々が文全体で単語をどのように使用するかを調べる意味的一貫性の測定に限定されていました。
ただし、セマンティック密度はさらに一歩進んで、人々が単語を文に編成する方法も評価します。チームは、これが人々が文章を形成するために使用する精神的プロセスのより良い指標であることを示唆しています。
「通常のベースライン」を確立するために機械学習システムをトレーニングした後、チームは北米の前駆症状縦断研究（NAPLS）の40人の参加者の診断インタビューからの会話を提供しました。
NAPLSは、精神病を発症するリスクのある若者を診断し、その理由を理解する医師の能力を向上させることを目的とした、マルチサイトの14年間のプロジェクトです。
次に、チームはNAPLS会話の機械学習分析をベースラインデータと比較しました。彼らはまた、どの参加者が精神病を発症したかを示す追跡データとそれを比較しました。
その結果、後に精神病を発症した参加者は、ベースラインよりも音に関連する単語を使用する傾向があり、同様の意味の単語をより頻繁に使用することが明らかになりました。
「リスクのある個人を早期に特定し、予防的介入を使用できれば、赤字を元に戻すことができるかもしれません」と共著者のエレイン・ウォーカー教授は説明します。
「認知行動療法のような治療が発症を遅らせ、おそらく精神病の発生を減らすことさえできることを示す良いデータがあります」と彼女は付け加えます。
チームは現在、より広範なデータのコレクションをまとめており、認知症などの他の脳や精神状態で新しい機械学習技術をテストすることを計画しています。
「この研究は、精神疾患についてより多くを明らかにする可能性だけでなく、精神がどのように機能するか、つまりそれがどのようにアイデアをまとめるかを理解するためにも興味深いものです。」
フィリップ・ウルフ教授
