自殺是一個不容忽視的公共健康問題，因?yàn)槊磕耆蜃詺⒅滤赖娜藬?shù)高達(dá)80萬。所以提前發(fā)現(xiàn)自殺傾向從而及時干預(yù)就顯得特別重要。不幸的是，由于自殺是一種高度個人化的行為，而且人類普遍在識別自殺傾向的能力方面都相對糟糕。不過好消息是研究人員已經(jīng)利用機(jī)器學(xué)習(xí)找到預(yù)測自殺傾向的辦法，且精確率出奇的高；但我們因此需要面對一些倫理方面的問題。
一個人自殺會給親朋好友留下心碎和悲痛，以及如果他們換種做法會怎樣的無解問題。Colin Walsh是范德堡大學(xué)醫(yī)學(xué)中心的數(shù)據(jù)科學(xué)家，他在預(yù)測自殺風(fēng)險方面做了一些出色的工作，他希望自己的工作能夠給大家提出“我能做些什么？”問題以及進(jìn)行干預(yù)的機(jī)會。
Walsh和他的同事創(chuàng)建了一些機(jī)器學(xué)習(xí)算法，這些算法可以預(yù)測病人試圖自殺的可能性，其精度高得嚇人。在試驗(yàn)結(jié)果表明，算法對某人在2年內(nèi)是否有自殺傾向的預(yù)測精準(zhǔn)度達(dá)到了80-90%，而預(yù)測下周是否會試圖自殺的準(zhǔn)確度則高達(dá)92%。
預(yù)測的數(shù)據(jù)基礎(chǔ)來自各種入院記錄信息，包括年齡、性別、郵編、用藥以及先期診斷等。Walsh和他的團(tuán)隊(duì)一共收集了范德堡大學(xué)醫(yī)學(xué)中心5167名病人的數(shù)據(jù)，這些病人均承認(rèn)有過自殘或自殺傾向。他們閱讀了每一個病例，識別出了其中的3250個自殺企圖案例。
這組超過5000個病例的數(shù)據(jù)隨后被用來訓(xùn)練機(jī)器，識別那些存在自殺傾向風(fēng)險的人，并且區(qū)分那些有自殘行為但并無自殺企圖的人。研究人員還開發(fā)了算法來預(yù)測一組人的自殺傾向，這群人的數(shù)量達(dá)到了12695，都是隨機(jī)選擇、沒有自殺企圖歷史記錄的人。結(jié)果表明，在預(yù)測這群人的自殺傾向的準(zhǔn)確度方面，算法甚至比醫(yī)院的預(yù)測還要精準(zhǔn)。
Walsh的論文已經(jīng)在今年4月發(fā)表在《臨床心理科學(xué)》雜志上，這只是研究工作的第一階段。他現(xiàn)在正在致力于驗(yàn)證自己的算法應(yīng)用到另一家醫(yī)院完全不同的數(shù)據(jù)集上時也一樣有效。而一旦該模型被證明有效的話，Walsh希望能跟更大的團(tuán)隊(duì)一起合作建立一套適當(dāng)?shù)母深A(yù)方法。他預(yù)期在2年內(nèi)會有一套干預(yù)計(jì)劃用于測試。他補(bǔ)充說：“我當(dāng)然傾向于認(rèn)為會相當(dāng)快，但在醫(yī)療保健方面相當(dāng)快往往也意味著幾個月的幅度。”
自殺是一種極其強(qiáng)烈的個人行為，以至于從人類角度來看，僅僅根據(jù)一組粗糙的數(shù)據(jù)集是不可能做出精準(zhǔn)預(yù)測的。Walsh說臨床醫(yī)生自然會問預(yù)測是怎么做出來的，但算法實(shí)在是太復(fù)雜了（注：其實(shí)不是復(fù)雜問題，而是因?yàn)闄C(jī)器學(xué)習(xí)內(nèi)部是個黑箱），抽取出單個的風(fēng)險因素是不可能的。他說：“是風(fēng)險因素的組合讓我們得出答案。”
話雖如此，Walsh和他的團(tuán)隊(duì)仍驚訝地發(fā)現(xiàn)，服用褪黑激素（腦白金主要成分）似乎是計(jì)算風(fēng)險的一個重要因素。Walsh說：“我并不認(rèn)為褪黑激素是導(dǎo)致產(chǎn)生自殺想法的原因。這一點(diǎn)沒有生理學(xué)的依據(jù)。但對于自殺風(fēng)險來說有一個東西十分重要，那就是睡眠失調(diào)。”有可能開出褪黑激素的處方捕捉到了睡眠失調(diào)的風(fēng)險——盡管這一點(diǎn)仍然是假設(shè)，尚有待驗(yàn)證。
這項(xiàng)研究還引起了更廣泛的倫理問題，也就是計(jì)算機(jī)在醫(yī)療保健當(dāng)中的角色是什么，以及真實(shí)的個人信息應(yīng)該如何使用的問題。Walsh說：“意外后果的風(fēng)險一直都存在。我們的意圖是好的，想建立一套系統(tǒng)來幫助大家，但有時候結(jié)果可能會事與愿違。”
研究人員還必須確定基于計(jì)算機(jī)的決策將如何確定對病人的護(hù)理。作為一名初級醫(yī)療的保健醫(yī)生，Walsh說意識到自己可以按照機(jī)器的指令行事這一點(diǎn)令人不安。他說：“如果機(jī)器告訴我存在高風(fēng)險但是我的臨床現(xiàn)象卻沒有證實(shí)這一點(diǎn)的話會不會出問題？你會不會因?yàn)橛?jì)算機(jī)告訴了你的事情而改變原來的護(hù)理方式？”
目前為止，機(jī)器學(xué)習(xí)算法基于的是入院數(shù)據(jù)。但Walsh意識到許多存在自殺風(fēng)險的人事先是并沒有住院的。他說：“我們大部分的生活都是在醫(yī)療保健設(shè)施以外的地方度過的。如果我們只是依賴于在醫(yī)院里面的數(shù)據(jù)來做這項(xiàng)工作的話，那么我們也只能取得一部分的成果。”
但是研究人員還可以到哪里去獲得數(shù)據(jù)呢？互聯(lián)網(wǎng)是比較有希望的選項(xiàng)之一。Walsh說，我們花了那么多時間在Facebook和Twitter上面，這些社交媒體數(shù)據(jù)也許可以用來預(yù)測自殺風(fēng)險。“但我們需要做工作來證明這一點(diǎn)是正確的。”
Facebook今年早些時候宣布在使用自家的人工智能來對有自殘跡象的帖子進(jìn)行審核。結(jié)果據(jù)說已經(jīng)比Facebook從那些人的朋友標(biāo)記為有風(fēng)險的結(jié)果更加準(zhǔn)確。
訓(xùn)練機(jī)器識別自殺的告警信號遠(yuǎn)不是那么的直截了當(dāng)。要想成功進(jìn)行預(yù)測和干預(yù)，Walsh認(rèn)為消除對自殺的污名化是必不可少的。他說：“如果我們對討論這件事情感到不舒服的話就永遠(yuǎn)也沒有辦法幫助到那些人。”
不過，隨著自殺導(dǎo)致全球每年80萬人死亡，這已經(jīng)成為了一個無法忽視的公共健康問題。鑒于大多數(shù)人類，包括醫(yī)生在內(nèi)，在識別自殺風(fēng)險的能力方面都相當(dāng)糟糕，機(jī)器學(xué)習(xí)也許可以提供一個重要的解決方案。
微信掃一掃
