【猎云网（微信号：ilieyun
）】7月27日报道 （编译：小白）
分析科学家已经可以采用简单的机器学习软件来使得精神病治疗更加客观。你也许会问什么意思？是这样的，我们多年来一直依赖来自人类专家的专业意见，但是现在，为什么不向计算机咨询纯逻辑诊断呢？
相对于精神病学家，使用代码可带来的一个好处就是：其结果在所有患者中都趋于一致，而不像不同医生给出不同的精神健康评估那样。另一方面，据称，该特殊软件在诊断精神分裂症患者方面的准确率高达74%——但也意味着仍有四分之一的患者无法诊断出来，所以传统的精神病学家还是有必要的。
上述在诊断人类精神分裂症患者上具有74%准确率的计算机模型由来自阿尔伯塔大学、卡尔加里大学、孟菲斯大学以及IBM的研究院共同开发，其研究结果于5月发布于《精神分裂症》杂志。
快进到7月份，IBM大力吹捧AI如何可以帮助预测精神分裂症。那么，我们就来看看事实到底如何。
诸如精神分裂症这些精神疾病十分复杂。人们对其原因和生物学与行为之间的联系仍然一知半解。阿尔伯塔机器智能研究中心（AMII）的教授及上述论文合作者Russell Greiner表示，依赖于精神病学的测试与结果的诊断往往具有主观性。
为了更客观地研究精神分裂症，研究人员收集了包含95个测试对象的MRI大脑扫描小型数据集。其中46人被医生诊断为患有精神分裂症，其余49人为健康人士。在接受扫描时，测试对象被要求执行一个简单的任务，该任务将测试他们的大脑灰质，从而使得扫描图可显示神经元组织。
为确保结果公平，参与者在扫描过程中被要求执行相同的任务：当他们听到“奇怪”的音调时按下按钮。
然后，扫描图可以为研究院提供每个人的脑部模型。接着，每个模型都被分解成27000个体元，每个体元代表一个大脑内的一个独立三维空间。
线性支持向量机算法通过查看每个体元内发生的情况来分析大脑各区域之间的互连强度。这种简单的机器学习算法可以学习大脑模式来识别哪些生理特征与精神分裂症有密切关系。例如，该算法发现，大脑丘脑和主要运动皮质区之间的紧密联系是精神疾病的一个很好的预测因子。
这一信息随后用于训练稀疏分类回归（一种分类算法）来判断某人是否患有精神分裂症。
论文合作者兼AMII的博士后研究员Mina Gheiratmand表示：“医疗数据不容易获得，我们研究的数据集还不够庞大。”
研究人员在进行试验时，选取了94名受试者来进行数据训练，并留一人来进行数据测试。他们一共执行了95次相同的程序，每次测试中都留出一人进行结果测试，最终他们得到了大约为74%的准确率。换句话说，他们从95名受试者中选出94人，告诉软件哪些人患有精神分裂症哪些没有，并告诉软件如何独立识别精神分裂症患者，然后让软件自己识别剩下的那最后一人以测试其学习结果。接着，再一遍又一遍地重复相同测试。
Greiner提到：这不是最好的结果，但至少预示了在未来，精神疾病或可以通过计算机来诊断。
“这项研究仍处于早期阶段，在相似的软件可以在临床环境中使用之前，我们还有很多挑战需要解决。我们需要在不同的数据集上测试这一算法，并进一步了解精神分裂症。”
IBM计算精神病学和神经影像学小组的研究人员Guillermo Cecchi表示：“精神分裂症是一种极具挑战性的疾病，因为它不能被归因于单一机制或特定领域。我们试图通过将大脑视为一个网络来解决这个难题，但我们的理论和试验方法依然十分有限。”
“并且，和许多其他疾病类似，精神分裂症并不是一个疾病的一个‘单一’案例，而是出现在一个频谱上，就像癌症一样。这就意味着我们需要对其症状进行更好的表征，而这又是多维的而非二进制的……但我们试着从成像推断临床量表来解决这一难题，然而这又需要临床评估本身的大幅改进。”
