龙空技术网

他们是精神分裂吗?最新研究:AI 语言模型能更好地告诉你

大数据文摘 249

前言:

目前同学们对“人工智能掌握的语言有哪些”大概比较注重,小伙伴们都想要分析一些“人工智能掌握的语言有哪些”的相关内容。那么小编同时在网上搜集了一些关于“人工智能掌握的语言有哪些””的相关知识,希望朋友们能喜欢,小伙伴们一起来学习一下吧!

大数据文摘授权转载自学术头条

作者:闫一米

编辑:学术君

良好的精神健康对我们的整体健康和幸福至关重要。

在昨天(10 月 10 日)的世界精神卫生日相关博客中,世界卫生组织(WHO)提到:

“全球每八个人中就有一人患有精神/心理疾病,这可能影响他们的身体健康、福祉、与他人交往的方式以及生计。心理健康状况也影响到越来越多的青少年和年轻人。”

而这其中,精神分裂症(Schizophrenia)俨然已成为一个不容忽视的全球性公共卫生问题。据 WHO 称,截至 2022 年 1 月,全球约有 2400 万人患有精神分裂症。

那么,什么是精神分裂症?在《默沙东诊疗手册》中,精神分裂症被描述为“一种以脱离现实(精神错乱)、各种幻觉(通常为幻听)、坚定的虚假信念(妄想)、异常思维和行为、情感表达减少、动机消失以及日常功能(包括工作、社交和自理能力)受损为特征的精神疾病”。

目前,包括精神分裂症在内的精神疾病的诊断几乎完全依赖于患者和亲属的交谈,只有极少数的血液测试和脑部扫描等检测有限地发挥作用。然而,这种不精确性阻碍了对精神疾病原因和治疗监测的深入理解。

幸运的是,由牛津大学 NIHR 精神病学临床讲师、精神病学家、神经科学家 Matthew M. Nour 领导的研究团队开发了一种基于人工智能(AI)语言模型的新工具,该工具可以分辨出精神分裂症患者言语中的微妙特征,展现出了将 AI 语言模型应用于精神病学的潜力。

相关研究论文以“Trajectories through semantic spaces in schizophrenia and the relationship to ripple bursts”为题,已发表在权威期刊《美国国家科学院院刊》(PNAS)上。

Nour 博士是该论文的通讯作者,他表示:“通过结合最先进的 AI 语言模型和脑部扫描技术,我们开始揭示大脑中的意义是如何构建的,以及在精神疾病中可能出现的问题。在医学中使用 AI 语言模型引起了极大的兴趣。如果这些工具被证明是安全且鲁棒的,我预计它们将在未来十年内开始在临床中投入使用。”

AI,预测精神分裂症

精神分裂症是一种常见且严重的神经精神障碍,其核心临床特征反映了联想引导认知的异常。

有关抽象关联知识在大脑中是如何表示的问题在认知神经科学中变得日益重要,有证据表明海马-内嗅皮层(HEC)在其中发挥作用。

这些研究结果表明在导航过程中,海马区的位置细胞和网格细胞编码了空间位置之间的关系,以及在休息期间的神经重播(Replay),即反映空间接近度的序贯位置细胞重新激活,表现为高频海马区涟漪(Ripple)振荡。

与心理病理学相关的发现是,HEC 还编码了更抽象领域中状态之间的关联(例如,图片之间的关联或单词之间的语义关系),这表明 HEC 支持更通用领域的“认知映射”功能,跨足概念和语义的空间。因此,当人们执行单词回忆任务时,HEC 的 theta 波功率与连续回忆单词之间的“语义接近度”协变。

鉴于 HEC 在通用领域的认知映射中的功能,本次研究人员假设了神经重播和涟漪功率(ripple power)与语言流利性中的自发单词选择模式相关,而精神分裂症患者(PScz)在语义引导认知方面存在与海马回重播和涟漪相关的异常。

据论文描述,本次研究选取了 26 名精神分裂症患者和 26 名对照组参与者,研究人员要求他们完成两项口头流利度任务,他们要在 5 分钟内尽可能多地列举出属于“动物”类别或以字母“p”开头的词语。

为了分析参与者的回答,研究团队使用了一个经过广泛训练的 AI 语言模型,该模型能以与人类类似的方式表示单词的含义。他们测试了人们自发回忆的单词是否可以被 AI 模型预测,以及这种可预测性是否在精神分裂症患者中降低。

然后,他们将模型推导的语义取样度量与相同参与者中休息期间的脑磁图(MEG)中的神经重播和与重播相关的涟漪振荡的标志关联起来。

结果发现,对照组参与者给出的答案确实比精神分裂症患者生成的答案更容易被 AI 模型预测,并且这种差异在症状更严重的患者中最为明显。

这也印证了研究团队的假设,即精神分裂症患者的行为受语义相似性的影响较对照组减弱,可以预测阴性精神症状,并与海马回涟漪功率的 MEG 信号相关。

研究人员认为,这种差异可能与大脑学习记忆和思想有关,并将这些信息存储在“认知地图”中的方式有关。

尚存在局限性

然而,本次的研究也存在一定的局限性。

第一,研究假设使用的预训练词嵌入模型对所有参与者都是相同的,可能未能捕捉到不同参与者之间的内部语义表示差异。

第二,研究未考虑非特定的认知过程,如工作记忆或自我监控等。

第三,研究的模型假设了一个"局部搜索"的词选择过程,未考虑其他可能的选择过程,如随机游走或两阶段的“补丁切换”策略,这可能使解释变得更加复杂。

第四,相关性性质、行为和神经度量是在不同时间获取的,可能导致结果的一些不确定性。

第五,研究使用的样本规模相对较小,这可能对结果的一般性产生一定程度的限制。

但是,不可否认的是,本次研究提供了一种基于语言的计算测定,用于研究精神分裂症中的概念混乱,并将其与使用 MEG 测定的认知图表示的神经特征相关联。

在行为水平上,精神分裂症患者在语言流利性任务中表现出语义引导的词语取样减少。在神经水平上,这一效应在不同参与者之间的变异与海马区涟漪功率的 MEG 特征的强度相关,已知在认知图稳定中起作用。这些发现都揭示了精神分裂症中语义表示的神经基础。

治疗越早,预后越好

事实上,精神分裂症经常与个人、家庭、社会、教育、职业和其他重要生活领域的重大痛苦和损伤有关。

然而,精神分裂症的确切病因目前尚不清楚,但研究表明遗传和环境因素共同起作用。不过,本质上而言,它是一种生物学问题(涉及脑内的分子和功能改变),但某些外部因素(如重大生活压力或物质使用)可作为触发因素。精神分裂症的易感性因素包括:

1)遗传倾向;

2)产前、产中和产后出现的问题,如孕中期母体感染流感病毒、分娩时缺氧、低体重儿、母婴血型不合等;

3)脑部感染等。

来自 WHO 的数据显示,至少三分之一的精神分裂症患者症状会完全缓解。有些精神分裂症患者在一生中会周期性地经历症状恶化和缓解,而有些人则是随着时间的推移症状逐渐恶化。

尽早检测和尽早治疗已成为精神分裂症治疗的指导原则。治疗越早,预后越好。对于精神分裂症患者,其远期预后与是否坚持药物治疗密切相关。不接受药物治疗的话,70-80% 的患者会在确诊后一年内再次发病。持续用药可将这一比例降低至 30% 左右,并可显著减轻大多数患者的症状。精神分裂症患者出院后如果不坚持服药,很可能在 1 年内再次住院;反之,再住院率将明显下降。遵医嘱服药可大大降低再次住院的几率。

尽管药物治疗的效果已被证实,仍有一半的精神分裂症患者没有服药。有些患者不承认自己有病,并抗拒服药。还有患者因为副作用而停药。

虽然目前诊断和治疗精神分裂症的技术正在不断进步,但我们也应该努力避免这种疾病的发生。

参考链接:

租!GPU云资源

新上线一批A100/A800

运营商机房,服务有保障

扫码了解详情☝

标签: #人工智能掌握的语言有哪些