应用人工智能技术探索抗抑郁药长期效果

Observer Status
2019年5月 27日

在投身人工智能研究领域时,上海纽约大学信息系统和商业分析助理教授Bruno Abrahao未曾想过,有朝一日他的研究工作或将推动精神医学药品的发展。

出现这一契机,要从他在美国一所顶尖研究型大学担任教学助理后说起。当时,Bruno Abrahao注意到,很多学生的学业问题其实来自于更深层次的内在问题:抑郁和焦虑。

“之前经常有学生向我倾诉:‘我感到很沮丧,没法学习,无法集中注意力’。有的情况更严重,‘我是拿贷款来这里上学的。但现在成绩很不理想。我不能带着这样的成绩回国。我真的非常焦虑,不知道该怎么办’。”

虽然在Abrahao的帮助下,他的学生得到了所需的药物治疗,但喜忧参半的医治效果却令他感到不安。

“有时服药后他们的病情却加重了,”Abrahao教授说,“因此,我开始尝试利用人工智能来阐明这一问题”。

Abrahao教授与来自乔治亚理工学院、微软研究院和哈佛医学院的研究员组成了研究团队,合作开发的基于人工智能辅助分析方法,可用来协助心理健康领域的医务人员了解服用精神类药物会带来的的长期作用。其分析范围之大、覆盖样本之广,是临床实验所无力企及的。他们的研究结果将于6月14日发表在人工智能协会期刊上。

采用本为研究Reddit网站推文所开发的机器学习模型,Abrohao教授参与的研究团队精准地筛选出了2.3万名推特用户。这些用户都曾在推文中透露自己正在服用某常用的精神类药物(目前共有49种精神类常用药)。根据推文内容,研究员们可以推测出这些患者开始以及结束药物治疗的时间。

在这一模型的支持下,团队又筛选出28万名推特用户作为对照组。这些用户的推文用词消极压抑,与另一组用户有着相同的社交媒体使用习惯,但他们没有服用精神类药物。利用自然语言处理技术,以及通过观察用户的发推习惯,研究人员从情绪、认知和自杀倾向的角度入手,对两组用户展开分析,从而跟踪该精神药物治疗的效果。

研究结果令人震惊:服用选择性血清素再吸收抑制剂(SSRI)系列药物(很多常见的抗抑郁药都属于这一系列)患者的推文,显示出包括焦虑、抑郁、精神错乱和自杀倾向等长期的恶化症状。与之相比,服用三环类(TCA)早期抗抑郁药患者的推文,则在为期两年的研究时段内显示出抑郁症状有所改善。

尽管多年来,精神科医生和病人都曾对SSRI抗抑郁药的效果提出质疑,但Abrahao教授及其同事的研究明确了这类药物危害的严重程度,并证实了其副作用对广大服用者的影响。

Arabhao教授表示,团队的研究结果证明了精神科医生和制药行业可以利用社交媒体评估病人的治疗史,这一分析手段适用范围之大,在短短几年前都是难以想象的。

“我的合作者John Torous(哈佛医学院精神病学临床研究员)认为我们的研究结果是可靠的,因为这与他的临床经验相符”,Abrahao说,“我们还需要在这一分析方法的基础上,结合临床病人的数据,来完善我们从社交媒体上获得的信息和临床意义之间的关联。”

团队研究人员希望通过持续采访其所追踪的推特用户,来进一步证实他们已取得的研究发现。

Abrahao教授表示,他相信团队的研究结果将能帮助精神药物行业优化行业规范和制度。

“有时,兼听他人的建议有助于医生做出更好的判断。现在这类‘他人的意见’可以由算法得出。”Abrahao教授指出,“虽然不能替代医生的判断,但今日我们已经可以考虑引用人工智能来辅助制定药物治疗方案。”