AI heeft geleerd zelfmoordneigingen te herkennen aan hersenscans

Categorie: Geen categorie Geplaatst 30 okt

Zelfmoord is het tweede belangrijkste doodsoorzaak onder jongeren tussen 15 en 34 jaar in de Verenigde Staten, en clinici hebben beperkte middelen om degenen die risico lopen te identificeren. Een nieuwe techniek voor machinaal leren gedocumenteerd in een paper dat vandaag is gepubliceerd in Natuur Menselijk gedrag (PDF) zou kunnen helpen bij het identificeren van mensen die lijden aan zelfmoordgedachten.

Onderzoekers keken naar 34 jonge volwassenen, gelijk verdeeld over suïcidale deelnemers en een controlegroep. Elk onderwerp onderging een functionele magnetische resonantiebeeldvorming (fMRI) en kreeg drie lijsten van 10 woorden te zien. Alle woorden hadden betrekking op zelfmoord (woorden als dood, verdrietig of fataal), positieve effecten (zorgeloos, vriendelijkheid, onschuld) of negatieve effecten (verveling, slecht, schuldig). De onderzoekers gebruikten ook eerder in kaart gebrachte neurale handtekeningen die de hersenpatronen van emoties als schaamte en woede laten zien.

Vijf hersenlocaties, samen met zes van de woorden, bleken de beste markers te zijn om de suïcidale patiënten te onderscheiden van de controles. Met alleen die locaties en woorden trainden de onderzoekers een machine-learning classifier die 15 van de 17 suïcidale patiënten en 16 van de 17 controlepersonen correct kon identificeren.

De onderzoekers verdeelden de suïcidale patiënten vervolgens in twee groepen, degenen die een zelfmoordpoging hadden gedaan (negen mensen) en degenen die dat niet hadden gedaan (acht mensen), en trainden een nieuwe classifier die 16 van de 17 patiënten correct kon identificeren.

De resultaten toonden aan dat gezonde patiënten en mensen met zelfmoordgedachten duidelijk verschillende reacties op woorden vertoonden. Toen de suïcidale deelnemers bijvoorbeeld het woord dood te zien kregen, lichtte het schaamtegebied van hun hersenen meer op dan in de controlegroep. Evenzo veroorzaakten problemen ook meer activiteit op het gebied van verdriet.

Dit is slechts de laatste poging om AI in de psychiatrie te brengen. Onderzoekers werken aan machine learning-projecten die variëren van het analyseren van MRI's om depressieve stoornissen te voorspellen tot het oppikken van PTSS uit de spraakpatronen van mensen. Eerder dit jaar, Bedrade schreef over onderzoekers die een systeem hebben gebouwd dat medische dossiers kan doorzoeken om iemand te markeren die het risico loopt zelfmoord te plegen, met een nauwkeurigheid tussen 80 en 90 procent. Facebook gebruikt tekstmining om gebruikers te identificeren die het risico lopen op zelfmoord of zelfbeschadiging en hen vervolgens te wijzen op bronnen voor geestelijke gezondheid (zie Grote vragen over de zelfmoordpreventiehulpmiddelen van Facebook).

Kunstmatige intelligentie heeft al voor golven gezorgd in het medische veld in het algemeen. Er zijn algoritmen die zo goed zijn in het detecteren van tumoren en andere problemen in CT-scans dat Geoffrey Hinton, een van de meest vooraanstaande onderzoekers op het gebied van deep learning, aan de New Yorker dat radiologen uiteindelijk werkloos zullen zijn. Sterker nog, hij zei dat ze nu moeten stoppen met het opleiden van radiologen.

In dit geval is de kans groter dat het onderzoek nieuwe, door mensen aangestuurde therapieën inspireert dan dat een heel veld aan artsen werkloos wordt. Het artikel wees erop dat het identificeren van verschillende patronen en gebieden nieuwe regio's zou kunnen suggereren voor hersenstimulatietechnieken. Het identificeren van bepaalde emotionele reacties op aan zelfmoord gerelateerde termen kan ook nuttig zijn voor psychotherapeuten die hun patiënten behandelen.