機(jī)器學(xué)習(xí)（Machine Learning）模型有潛力發(fā)展成為一種容易獲得和經(jīng)濟(jì)有效的篩查工具。

阿爾伯塔大學(xué)4月7日消息

阿爾伯塔大學(xué)（University of Alberta）的研究人員訓(xùn)練了一種機(jī)器學(xué)習(xí)模型，通過分析文本數(shù)據(jù)來識(shí)別創(chuàng)傷后應(yīng)激障礙（Post－traumatic stress disorder， PTSD）患者，準(zhǔn)確率達(dá)到 80％ 。該模型有一天可以作為一種方便和廉價(jià)的篩查工具，支持衛(wèi)生專業(yè)人員通過遠(yuǎn)程醫(yī)療平臺(tái)檢測(cè)和診斷創(chuàng)傷后應(yīng)激障礙或其他精神健康障礙。研究近日發(fā)表在《精神病學(xué)前沿》（Frontiers in Psychiatry）雜志上。

研究于2022年2月1日發(fā)表在《Frontiers in Psychiatry》（最新影響因子：4．157）雜志上

領(lǐng)導(dǎo)這個(gè)項(xiàng)目的精神病學(xué)博士生 Jeff Sawalha 對(duì)來自南加州大學(xué)創(chuàng)新技術(shù)研究所（USC’s Institute for Creative Technologies）的 Jonathan Gratch 創(chuàng)建的數(shù)據(jù)集的文本進(jìn)行了情感分析（sentiment analysis）�！扒楦蟹治錾婕暗酱罅康臄�(shù)據(jù)，如一系列推文的內(nèi)容，并將其分類。例如，看看有多少人在表達(dá)積極的想法，有多少人在表達(dá)消極的想法，”阿爾伯塔機(jī)器智能研究所（Alberta Machine Intelligence Institute）的創(chuàng)始科學(xué)主任、計(jì)算科學(xué)系教授、該研究的合著者 Russ Greiner 博士解釋說。

Jeff Sawalha 博士

Russ Greiner 教授

Sawalha 說：“我們想從這個(gè)數(shù)據(jù)集中嚴(yán)格地觀察情感分析，看看我們是否可以僅僅通過這些訪談的情緒內(nèi)容就正確地識(shí)別或區(qū)分 PTSD 患者�！�

南加州大學(xué)數(shù)據(jù)集中的文本是通過250個(gè)半結(jié)構(gòu)化訪談（Semi－structured Interviews，指按照一個(gè)粗線條式的訪談提綱而進(jìn)行的非正式的訪談）收集的，訪談對(duì)象是一個(gè)名叫 Ellie 的人工角色，通過視頻電話與 188 名非創(chuàng)傷后應(yīng)激障礙患者和 87 名創(chuàng)傷后應(yīng)激障礙患者進(jìn)行訪談。

半結(jié)構(gòu)化訪談

Sawalha 和他的團(tuán)隊(duì)能夠通過分?jǐn)?shù)來識(shí)別 PTSD 患者，這些分?jǐn)?shù)表明他們的語言主要表現(xiàn)為中性或消極反應(yīng)。

“這與很多關(guān)于情緒和創(chuàng)傷后應(yīng)激障礙的文獻(xiàn)是一致的。有些人傾向于中立，麻木自己的情緒，也許不會(huì)說太多。還有一些人會(huì)表達(dá)他們的負(fù)面情緒�！�

這個(gè)過程無疑是復(fù)雜的，Greiner 教授解釋說，即使是像“我不討厭那個(gè)”這樣簡(jiǎn)單的短語，也可能很難歸類。然而，Sawalha 能夠僅從文本數(shù)據(jù)中收集到哪些人患有 PTSD 的信息，這一事實(shí)為將類似模型應(yīng)用于其他心理健康障礙的數(shù)據(jù)集打開了一扇大門。

“文本數(shù)據(jù)無處不在，觸手可及，你擁有如此多的文本數(shù)據(jù)，” Sawalha 說，“從機(jī)器學(xué)習(xí)的角度來看，有了這么多的數(shù)據(jù)，它可能能夠更好地學(xué)習(xí)一些復(fù)雜的模式，這些模式有助于區(qū)分患有特定精神疾病的人�！�

下一步包括與阿爾伯塔大學(xué)的合作者合作，看看是否可以整合其他類型的數(shù)據(jù)，如語音或動(dòng)作，以幫助豐富模型。此外，Sawalha 解釋說，像阿爾茨海默病這樣的神經(jīng)疾病以及像精神分裂癥這樣的精神健康疾病都有很強(qiáng)的語言成分，這使它們成為另一個(gè)潛在的分析領(lǐng)域。

文本情感分析

（也稱為意見挖掘）是指用自然語言處理、文本挖掘以及計(jì)算機(jī)語言學(xué)等方法來識(shí)別和提取原素材中的主觀信息。

通常來說，情感分析的目的是為了找出說話者／作者在某些話題上或者針對(duì)一個(gè)文本兩極的觀點(diǎn)的態(tài)度。這個(gè)態(tài)度或許是他或她的個(gè)人判斷或是評(píng)估，也許是他當(dāng)時(shí)的情感狀態(tài)（就是說，作者在做出這個(gè)言論時(shí)的情緒狀態(tài)），或是作者有意向的情感交流（就是作者想要讀者所體驗(yàn)的情緒）。

－維基百科

參考文獻(xiàn)

Source：University of Alberta

Researchers accurately identify people with PTSD through text data alone

Reference：

Sawalha J， Yousefnezhad M， Shah Z， Brown MRG， Greenshaw AJ， Greiner R． Detecting Presence of PTSD Using Sentiment Analysis From Text Data． Front Psychiatry． 2022 Feb 1；12：811392． doi： 10．3389／fpsyt．2021．811392． PMID： 35178000； PMCID： PMC8844448．

免責(zé)聲明

本公眾號(hào)上的醫(yī)療信息僅作為信息資源提供與分享，不用于或依賴于任何診斷或治療目的。此信息不應(yīng)替代專業(yè)診斷或治療。在做出任何醫(yī)療決定或有關(guān)特定醫(yī)療狀況的指導(dǎo)之前，請(qǐng)咨詢你的醫(yī)生。

       原文標(biāo)題 : 研究人員僅通過文本數(shù)據(jù)就能準(zhǔn)確地識(shí)別出PTSD患者