首页 > IT业界 > 正文

李飞飞发表AI+精神健康诊断新研究,望里科技实际更早开展

2018-12-14 11:30:37  来源:互联网

摘要:作为人工智能领域大牛之一的李飞飞,自从卸任Google 云 AI ML 首席科学家,重返斯坦福任教后,其研究动向一直为业界所关注。
关键词: AI
  作为人工智能领域大牛之一的李飞飞,自从卸任Google 云 AI/ML 首席科学家,重返斯坦福任教后,其研究动向一直为业界所关注。
 
  李飞飞发表最新论文- 机器学习用于诊断抑郁症
 
  近日,李飞飞研究团队发表了一篇最新论文,提出了一种机器学习方法来测量抑郁症症状的严重程度。此研究结合了语音识别、计算机视觉和自然语言处理技术,通过表情和语言诊断一个人是否患了抑郁症。在经过临床验证过的病人健康问卷水平上,它的平均误差仅有3.67分(相对误差为15.3%);对于检测重度抑郁症,模型的F1Score达到76.9%。这项研究成果也入选了 NIPS NeurIPS 2018医疗健康机器学习(ML4H)Workshop。
 
  为什么是抑郁症?- 抑郁症的诊断现状
 
  抑郁症是一种由多种因素导致的以情绪持续低落为主要症状的精神障碍,其临床表现多样。
 
  目前全球超过3.5亿的人患有抑郁症,而在我国,抑郁症的发病率超过4%,近6000万人。它在所有精神障碍负担方面首居第一,并且在综合排名中已成为全球排名第四的疾病负担。据世界卫生组织估计,到2020年抑郁症将成为第二大高致残性疾病,仅次于冠心病,该疾病对国家的疾病负担和对患者的日常生活、人际交往等均有严重影响。
 
  目前,在这项重要的疾病诊断中,一般是通过精神科访谈和量表来进行,但这种方法受医生和被测试者的主观影响较大。
 
  为什么是AI+抑郁症?- 人工智能评估抑郁障碍的优势
 
  近些年,随着人工智能算法的成熟,越来越多的研究者开始尝试使用生理和行为数据对重性抑郁障碍进行早期甄别,以降低主观性的影响,为精神科医生的诊断提供辅助。
 
  大量研究显示,抑郁症患者在注意、面部表情及其识别、言语等方面,均与非抑郁症患者间存在模式上的显着差异。这些差异可以通过对脑电、脑成像、眼动、表情和语言信息等的测量得出。在这些发现的基础上,一些研究者尝试使用人工智能算法,利用计算机分析测量所得数据,建立分类模型。
 
  中国公司望里科技更早进行AI+抑郁症评估,已达81%准确率,国际领先
 
  事实上,在同样的领域,在中国也有一家人工智能医疗公司-望里科技,早在2017年底,已经开展了类似的研究,并且实现了更好的成果。
 
  据了解,望里科技早已立项了人工智能抑郁症评估诊断研究,且在2017年底通过了北医六院的伦理委员会,正式开展了合作研究。北京大学第六医院是中国最好的精神类专科医院,也是世界卫生组织(WHO)北京精神卫生研究和培训协作中心。
 
  此项目收集了不同严重程度的抑郁症患者和健康对照组在眼动、面部表情、言语信息、主观报告方面的信息,利用人工智能算法,建立分类模型,寻找可将抑郁症患者与健康对照组进行有效区分的计算机模型。在一期的研究成果中,望里科技开展了对159名抑郁障碍患者和207名健康对照组被试的实验研究。结果表明,人工智能算法在此分类问题中表现出了优秀的分类性能,达到了81%的分类准确率。
 
  与同类研究相比,包括跟李飞飞团队最新发表的成果相比,望里科技主要有以下优势和特点:一个是在样本量上大为增加,另外一个,是在此样本量下仍然取得了很高的分类结果,望里科技80%的F1Score高于此次论文中李飞飞团队的76.9%的准确率。并且,望里科技的模型是以北医六院的专业临床医生给出的诊断结果,相较于通过数字助理输出的PHQ得分,更为准确。
 
  此研究的初步成果已在今年的2018年中华医学会第十六次全国精神医学学术会议中进行了发表。
 
  这证明了人工智能在抑郁识别应用中的有效性,通过大数据进行抑郁识别为医生提供了一种监测抑郁症患者风险的有效手段。它不仅可以降低误诊的可能性,还可以通过自动抑郁检测系统大大提高医生和患者之间的沟通效率。对于长时间感觉到压抑的普通人群人群来说,我们的方法还有望实现对自我情绪的实时监控,并为抑郁的发病情况提供预警。
 
  其实,望里科技的人工智能评估系统与生物采集设备并不局限于单一疾病种类,而是一个可扩展的算法平台,能够在此平台基础上,针对多种精神类疾病与认知问题进行算法的开发,进一步形成不同的产品。我们已知的是,目前望里团队已在此平台基础上开发出了毒瘾渴求评估系统,准确率达87%。据介绍,未来该系统还将持续拓展到如自闭症、精神分裂、老年痴呆、暴力倾向、自杀危机等问题的研究和产品开发。
 
  我们看到,在这一领域,该团队的研究方向和研究成果均处在了国际前列。
 
  人工智能用于精神健康领域的正确姿势
 
  其实,不仅仅是抑郁症,精神与心理评估诊断手段整体均严重依赖主观现象与经验判断、缺乏客观指标 —— 没有"biomarker"。
 
  传统的统计学研究方法无法在脑电、基因等高噪音、非线性领域发现特异规律,而AI可以弥补。精神科研究被试量小,但是每个被试的信息量复杂丰富、存在大量非线性关系,深度学习的成熟使多通路分析成为可能。随着AI技术的日渐成熟,能够取代传统统计方法 ,而且移动/VR等技术手段也能够帮助研究获取更丰富的数据,这些均使得精神科"Biomarker"发现成为可能。
 
  在干预/治疗领域,亦有类似吴恩达任董事长的Woebot产品在发挥着人工智能在精神健康方面的作用。
 
  相信通过各个团队持续不断的努力,对人类精神健康的改善将得到巨大的提升。

第三十六届CIO班招生
国际CIO认证培训
首席数据官(CDO)认证培训
责编:zhanglinying

免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。