經過不懈努力 自殺意圖能被發現了 準確率80%~90%

　　2017-11-07 00:02:30　來源: 網易科學人

　　儘管科學家已經付出了幾十年的努力，但想要預測哪些人有自殺的風險還是相當困難的。依靠病人來揭示自殺意圖的嘗試未能成功，因為近80%死於自殺的人在最後一次就診時並未將想要自殺的想法告訴醫生和治療師。現實是嚴峻的，中年美國人的自殺率正在呈上升趨勢，並且自殺還是年輕人死亡的第二大原因！

　　出品|網易科學人欄目組 翟中超

　　現在有一項新研究令人備受鼓舞，該研究利用腦成像技術能發現哪些人有自殺的想法，甚至還能發現那些企圖實施自殺的想法！

　　

　　攝影/基弗·皮克斯

　　儘管科學家已經付出了幾十年的努力，但想要預測哪些人有自殺的風險還是相當困難的。依靠病人來揭示自殺意圖的嘗試未能成功，因為近80%死於自殺的人在最後一次就診時並未將想要自殺的想法告訴醫生和治療師。現實是嚴峻的，中年美國人的自殺率正在呈上升趨勢，並且自殺還是年輕人死亡的第二大原因！

　　最近發表在《自然-人類行為》（《Nature Human Behaviour》）期刊上的一篇報道展示了預測自殺的一項令人激動的發現。這項新研究將神經成像與機器學習結合起來，探究有自殺傾向的人的大腦是否對與生死有關的積極和消極辭彙做出不同的反應。「事實證明他們會做出不同的反應，」論文合著者、哈佛大學臨床心理學家馬修·諾克說道。「我們能預測誰有自殺的想法，而且準確度之高令人震驚。我們甚至能確定出有過自殺念頭的人當中哪些嘗試過自殺行為！」

　　「雖然這項研究的規模很小，但研究結果卻非常引人注目，」 美國國家研究所(National Institute)耳聾及其他溝通障礙的腦成像與建模部的主管巴里·霍維茨說道。霍維茨為這項新研究寫了一份評論註釋。研究中所採用的技術能將9個有過自殺嘗試的人從17名有過自殺想法的人當中挑選出來，霍維茨對此印象極為深刻，此外一群專家也表示這種難度無異於大海撈針。「很難相信還有其他方法或風險因素能使人將這兩類人（有過自殺想法的人與有過自殺嘗試的人）區分出來，」霍維茨說道。

　　今年早些時候的一些報道顯示機器學習能根據健康記錄評估某人自殺的風險，且精準度高達80%至90%，這一精準度令人備受鼓舞。但現在的這項新研究更加突出，因為其揭示了自殺想法的潛在生物學標記。「這不再僅僅是一個預測。」合著者、美國卡耐基梅隆大學認知神經學家馬塞爾·賈斯特說道，「我們得到了他們關於自殺的真實想法，並且我們看到了他們的想法是如何改變的。」

　　這項新研究還加入了兩項單獨的研究。此前，諾克曾使用內隱聯想測試（英文專業名為Implicit Association Test，簡稱IAT，是由格林沃爾德在1998年首先提出的。內隱聯想測驗是以反應時為指標，通過一種計算機化的分類任務來測量兩類詞——概念詞與屬性詞——之間的自動化聯繫的緊密程度，繼而對個體的內隱態度等內隱社會認知進行測量）來確定自殺風險。舉個例子，諾克將與「死亡」、「存活」相關的詞語和「像我」、「不像我」進行配對。相比對照組，有自殺傾向的人在「死亡」和「像我」被配對時其反應速度比前者快三倍。這一結果經過多次重複測試。相比其他方法如醫療評估法，內隱聯想測驗對自殺傾向和自殺行為的預測被證明是一個預測相對較準確的方法。

　　與此同時，賈斯特已經使用了功能性磁共振成像（(functional magnetic resonance imaging，簡稱fMRI，是一種新興的神經影像學方式，其原理是利用磁振造影來測量神經元活動所引發之血液動力的改變。目前主要是運用在研究人及動物的腦或脊髓）來觀察人的想法。我們可以觀察到相當於想法的成像模式，賈斯特說道。他採用的這項技術被稱為神經語義學（ neuro-semantics ），其所識別的不是單詞而是概念與想法。舉個例子，當看到「老人把一塊石頭扔入湖中」這一句子時，腦激活模式表明「有個人參與其中」、「運動正在發生」、「這是一個室外可視化的場景」。在獨立的研究中，賈斯特要求受試者憑幻想產生諸如生氣或嫉妒的情緒，然後觀測每個情緒所對應的可識別模式。「不同情緒具有不同的神經特徵，」賈斯特說道。「我們把這項不同的模式存入到了電腦里。」

　　當賈斯特看到諾克進行的研究時他就想知道自己是否可以通過「掃描儀」來觀測有自殺傾向的人的大腦中的想法。首先，研究人員讓機器學習分類器嘗試為具體結果尋找預測指標，當然前提是該機器可以分辨出受試者當中哪些人有自殺傾向而哪些人沒有自殺傾向。研究人員設置了兩個小組，第一個小組中有17人，他們都有自殺傾向；對照組中也有17人，而這17人沒有自殺傾向。在功能性磁共振成像掃描儀內，受試者被要求思考一系列與「自殺」和「具體的積極的、消極的思想和情感」相關的詞語。最為顯著的是死亡、麻煩、無憂無慮、殘酷、讚美和愉悅。在測量相應的的神經網路模式后，研究者又增加了機器測量樣本的數量。然後研究人員讓機器來判斷受試者是否具有自殺傾向。結果表明，該分類器完成這些任務能達到91%的精確度。該分類器分辨出第一組中有15人有自殺傾向，還分辨出第二組中有16人沒有自殺傾向。

　　

　　供圖/卡耐基梅隆大學

　　在研究的第二階段，研究人員使用賈斯特的「情感簽名」的存檔來評價四種情緒——生氣、羞恥、悲哀和自豪的強弱。「通俗來講，這個機器可以通過各種情緒的強弱來分辨出哪些人是真的具有自殺傾向而哪些人（即對照組）是假裝的，」賈斯特說道。「真正有自殺傾向的人聯想到死亡會引發更強烈的悲哀和羞恥。」基於這些情緒神經特徵，在增加一定樣本測試后，該分類器預測自殺的想法的精確度可達87%。

　　聯想到與死亡相關的辭彙時，有自殺傾向的人的大腦中與自我指涉思考相關的區域激活面積更大。這與當前發現是一致的，諾克說道。但是像無憂無慮或麻煩這類詞所呈現的情緒反應令人驚訝。「那些考慮自殺的人聯想到無憂無慮的辭彙時自豪度較低，而聯想到死亡的辭彙時他們的羞恥度會更高，」諾克說道。「這些特點都是我們之前未曾發現的。」

　　其他自殺學家表示使用這種方法來預測自殺風險具有不錯的前景，但他們也強調這項研究還處於初始階段。「考慮到任務的密集性以及功能性磁共振成象的成本，這些研究發現也向我們提出了新的問題，比如說工作機制和臨床意義。美國有他大學臨床心理學家亞歷克西斯·梅這樣說道。梅並未參與這項研究。

　　論文作者對上述的評論與看法持認可的態度。他們希望首先重複這項研究，然後探究這項技術的臨床應用可行性。或許通過採取另一項技術——監測腦電活動的腦電圖描記器。儘管還需進行許多補充工作，但這項發現使我們對有自殺傾向的人的大腦有了更好的理解。「如果你只需接受三分鐘的測試就能得到不錯的預測，為什麼要花1000美元還要把自己放到掃描器內呢？」諾克說道。「我們正在做的就是看看這些方法是否能給我們開闢一個不同的視角。」