機器學習方法在人們的語言中發現了一條隱藏的線索，可以預示精神病的後期出現-頻繁使用與聲音相關的單詞。 《精神分裂症》雜誌發表了埃默里大學和哈佛大學科學家的發現。
研究人員還開發了一種新的機器學習方法，可以更精確地量化人們會話語言的語義豐富度，這是已知的指標真人娛樂城或精神病。
他們的結果表明，對這兩種語言變量的自動分析（更頻繁地使用與聲音相關的單詞以及說話時的語義密度低或含糊不清）可以預測高危人群以後是否會以93％的準確度發展為精神病。
甚至受過訓練的臨床醫生也沒有註意到有精神病風險的人如何使用與聲音相關的單詞多於平均單詞，儘管聽覺異常贏家娛樂城理論知覺是一種臨床前症狀。
該論文的第一作者Neguine Rezaii說：“試圖在與人交談中聽到這些微妙之處，就像試圖用眼睛看到微觀細菌一樣。” “我們開發的自動化技術是檢測這些隱藏模式的真正敏感工具。就像顯微鏡用來警告精神病的跡象。”
瑞扎伊（Rezaii）是艾默里醫學院精神病學與行為科學系的住院醫師時就開始從事該論文的研究。她現在是哈佛醫學院神經病學系的研究員。
“以前人們以語言表達未來精神病的微妙特徵，但是我們已經使用機器學習來發現有關這些特徵的隱藏細節，”埃默里大學心理學教授Phillip Wolff說。沃爾夫的實驗室專注於語言語義和機器學習，以預測決策制定和心理健康。
“我們的發現是新穎的，並增加了證據表明使用機器的潛力 金大發娛樂城埃默里（Emory）心理學和神經科學教授埃萊恩·沃克（Elaine Walker）共同研究精神分裂症和其他精神疾病的發展，他說：“學會識別與精神疾病有關的語言異常。”
精神分裂症和其他精神疾病的發作通常發生在20年代初，並在17歲左右開始出現預警信號-被稱為前驅綜合徵。符合前驅綜合徵標準的年輕人中，約有25％到30％會發展為精神分裂症或其他精神疾病。
通過結構化的訪談和認知測驗，訓練有素的臨床醫生可以預測患有前驅綜合徵的患者的精神病，準確率約地下539公式為80％。機器學習研究是簡化診斷方法，識別新變量並提高預測準確性的眾多正在進行的工作之一。
目前，尚無法治愈精神病。
Walker說：“如果我們能夠及早發現處於危險中的人並採取預防性干預措施，我們也許能夠扭轉赤字。” “有大量數據表明，諸如認知行為療法之類的療法可以延遲發病，甚至可以減少精神病的發生。”
在當前的論文中，研究人員首先使用機器學習為會話語言建立“規範”。他們為計算機軟件程序提供了Reddit（一個社交媒體平台）的30,000個用戶的在線對話的平台，人們可以在其中進行一系列話題的非正式討論。該軟件程序稱為Word2Vec，它使用一種算法將單個單詞更改為矢量，並根據其q8娛樂城含撲克牌遊戲義在語義空間中為每個單詞分配一個位置。含義相似的人比含義不同的人靠得更近。
Wolff實驗室還開發了一種計算機程序，以執行研究人員所說的“向量解包”或對單詞用法的語義密度進行分析。先前的工作已經測量了句子之間的語義連貫性。矢量拆箱允許t911娛樂城研究人員可以量化每個句子中包含的信息量。
在生成“正常”數據的基準之後，研究人員將相同的技術應用於由受過訓練的臨床醫生對40名參與者進行的診斷性訪談，這是由美國國家醫學基金會資助的多站點北美長期縱向研究（NAPLS）的一部分衛生研究所。 NAPLS專注於臨床上患有精神病高風險的年輕人。 Walker是Emory NAPLS的首席研究員，Emory是參與14年項目的9所大學之一。
然後將參與者樣本的自動分析與正常基線樣本以及參與者是否轉變為精神病的縱向數據進行比較。
結果表明，與聲音相關的單詞的使用率高於正常水平，再加上使用具有相似含義的單詞的比率更高，這意味著可能出現精神病。
該研究的優勢包括僅使用兩個變量（這兩個變量都有很強的理論基礎）的簡單性，將結果復製到保持數據集中，以及其預測的高精度（超過90％）。
“在臨床領域，我們經常缺乏精度，” Rezaii說。 “我們需要更多量化，客觀的方法來衡量細微的變量，例如語言使用中隱藏的變量。”
Rezaii和Wolff現在正在收集更大的數據集，並測試其方法在包括癡呆症在內的各種神經精神疾病中的應用。
“這項研究很有趣，不僅因為它有潛力揭示更多娛樂城賺錢沃爾夫說：“雖然患有精神疾病，但可以理解精神是如何工作的-它將思想整合在一起。” “機器學習技術發展迅速，為我們提供了挖掘人類思維的工具。”
參考：Rezaii，N.，Walker，E.，＆Wolff，P.（2019）。一種使用語義密度和潛在內容分析來預測精神病的機器學習方法。 Npj精神分裂症，5（1），9. https://doi.org/10.1038/s41537-019-0077-9
本文已從以下材料重新發布。注意：材料的長度和內容可能已被編輯。有關更多信息，請聯繫引用的來源。
