自杀的人被他们的大脑活动

研究人员由卡内基梅隆大学的马塞尔和匹兹堡大学的大卫·布兰特已经开发出一种创新的和有前途的方法来识别自杀的人通过分析改变他们的大脑如何表示某些概念,如死亡、残忍和麻烦。

自杀风险是出了名的难以评估和预测,和自杀死亡的第二大原因是年轻人在美国。发表在《自然人类行为,这项研究提供了一种新的方法来评估精神疾病。

“我们的最新作品是独特的因为它标识概念与自杀意念和行为的变化,使用机器学习算法来评估特定的神经表征概念与自杀有关。这给了我们一个窗口到大脑和思维,揭示如何自杀的个人思考自杀和情感相关的概念。这项新研究的核心是,我们可以告诉是否有人考虑自杀的方式思考死亡相关的主题,“只是说交货单”赫大学心理学教授在CMU的迪特里希人文和社会科学学院。

研究,只是和布伦特,握着一个赋予椅子在自杀研究和精神病学教授,儿科,皮特,流行病学和临床与转化科学提出的列表10死亡相关的单词,10个词与积极的概念(例如,无忧无虑的)和10个词相关的负面想法(例如麻烦)两组17人正常与已知的自杀倾向和17个人。

左边是“死亡”的大脑活动模式参与者企图自杀。形象的描述了“死亡”的激活模式控制参与者。来源:卡内基梅隆大学。

他们的机器学习算法应用于六word-concepts最歧视两组的参与者之间想到每一个在大脑扫描仪。这些都是死,残忍,麻烦,无忧无虑,好和赞美。根据这六个概念的大脑表达,他们的计划是能够识别准确率达到了91%的参与者是否控制或自杀。

持有关注自杀意愿,他们使用类似的方法,看看算法可以识别参与者先前的自杀企图从那些只想到它。这个项目能够准确区分九曾试图把他们的生活有94%的准确度。

“进一步测试这种方法的大样本将决定其普遍性和预测未来的自杀行为的能力,并能给临床医生在未来确定的方法,监测和干预也许改变和经常扭曲的想法,所以经常描述严重自杀的人,”布伦特说。

进一步了解导致自杀经常和非自杀式的参与者有不同的大脑活动模式为特定的思想,只是和布伦特神经签名存档用于情感(尤其是悲伤、羞愧、愤怒和骄傲)测量的每个情绪唤起每个参与者的大脑的六个不同的概念。机器学习程序可以准确地预测哪一组参与者属于85%的准确性基于概念的情感特征的差异。

“后一种方法的优点,有时被称为可辩解的人工智能,更透露两组的歧视,即辨别词语唤起情绪的类型,“只是说。“自杀想法的人体验不同的情绪时考虑的一些测试的概念。例如,“死亡”的概念,唤起更多的羞愧和悲伤的组织,想过自杀。这种额外的理解可能表明一个途径治疗试图改变情绪反应对某些概念。”

只是和布伦特希望这个基本的认知神经科学研究的结果可以用来拯救生命。

“最直接需要的是将这些发现应用于一个更大的样本,然后用它来预测未来自杀企图,”布伦特说。

先和他结算的同事汤姆•米切尔开创了这个应用程序的机器学习从他们的大脑激活大脑成像识别概念签名。从那时起,研究已经扩展到识别情绪和multi-concept思想从神经签名并发现复杂的科学概念是如何编码,因为他们正在学习。

本文从提供的材料已经再版卡内基梅隆大学。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

参考:

只是,M。锅,L。Cherkassky, v . L。McMakin, d . L。Cha, C。诺,m K。&布伦特,d . (2017)。自杀和情感概念的机器学习的神经表达了自杀的青年。人类行为性质。doi: 10.1038 / s41562 - 017 - 0234