每年，在机器学习年会之前，一群处理海量数据的电气工程师都会想出一个问题，让他们的同行去解决。大多数主题都涉及晦涩难懂的工程主题，但三年前组织者想要解决一些更实际的问题。例如:人工智能用来解决医学上的问题?

其中之一竞争组织者罗杰斯·席尔瓦(Rogers Silva)是阿尔伯克基(Albuquerque)心灵研究网络(Mind Research Network)的博士后研究员，他一直在用大脑扫描数据进行实验。他说，他想知道如何从脑成像数据集中提取信息，“以便更准确地推断疾病、病因以及哪些特征有利于诊断”。一个熟练的医生可以从脑部扫描中确定很多东西，但席尔瓦正在寻找一些肉眼看不见的更微妙的模式。

Silva向他的同事们提出了这样一个问题:大数据专家能否通过观察精神分裂症患者和健康对照组的脑部扫描结果，来判断哪个是哪个?

精神分裂症患者的大脑与正常人的大脑有着无数微妙的不同。这种差异可能是由于大脑中的多种基因变异造成的，其中许多基因变异本身可能并不有害。

为了比赛，席尔瓦收集了144人的脑部扫描图，其中大约一半人患有精神分裂症。来自扫描的数据被提供给大约245个参赛团队，产生了2000份参赛作品(每个团队可以提交一个以上的作品)。

患者扫描结果被分为两组。竞赛小组被告知第一组患者中哪些患有精神分裂症，哪些没有。基于这些数据，研究小组寻找没有共享诊断信息的患者、患有精神分裂症的患者和没有共享诊断信息的患者之间的差异。利用这些信息，研究小组能够预测第二个未标记队列中的哪些患者患有精神分裂症。席尔瓦和他的同事对实验结果印象深刻。最好的报告将病人和对照组区分开来，错误率只有10%，这比单凭运气要好得多。

这些技术可以用于常规诊断病人吗?“这是可以想象的，”席尔瓦说。“我们所做的工作只是第一步。”目标不是用电路取代精神科医生，而是帮助精神科医生做他们已经在做的事情。席尔瓦预计这将在五年内实现。

在这种形式下应用人工情报“如果你愿意的话，机器有指导自己学习的能力，”麻省理工学院副教授休·加拉文(Hugh Garavan)说精神病学在佛蒙特大学。机器学习这个术语指的是允许计算机程序在数据中漫游，并试图识别哪些是重要的，而不需要任何关于在哪里查找或什么可能是关键的指示。这是一种发现意外联系的方式。

机器学习被用于他正在进行的一项关于青少年和酗酒的研究。有很多关于多巴胺以及它的奖励系统。然而，他说，“这个系统在孩子身上可能会被削弱，如果酒精激活了这个系统，这些孩子更有可能再次尝试。”

加拉万说，人们可以设计一项研究来追求这个想法，但它会有缺点，因为“你基本上是在确认你已经知道的东西。”有了机器学习，就不能假设多巴胺系统或其他任何东西与酗酒有关。“我们可以告诉算法:对大脑进行采样。看看1000个大脑区域。看看哪个地区在特定年龄与后来的酗酒最相关。”通过第二次验证，可以确认第一次关联。“然后你可以重复多次。”机器使用的算法是由机器设计的，而不是由人类设计的，人类不可能处理机器学习可以处理的所有数据。有些信息对了解疾病有用，有些则不然。

这种方法大约有10年的历史。2006年，里德·蒙塔古，一位计算学家神经系统科学家维吉尼亚理工学院Carilion研究所的研究员，是第一批建立计算精神病学部门的人之一。他和伦敦大学学院的同事彼得·达扬(Peter Dayan)研究了一种计算机模型，可以模拟神经递质多巴胺在观察疾病和失调时的作用上瘾帕金森症，以及一些形式的精神病．

他们现在可以用他们的模型来研究当多巴胺系统过度活跃或改变时会发生什么，来了解成瘾的组成部分或强迫性例如，无序。这只是在精神病学中使用计算的一种方式。精神分裂症挑战和酗酒研究都是数据驱动的。也就是说，它们旨在从数据中得出有用的相关性。但蒙塔古和达扬的工作始于一个理论，并对其进行了测试。他们的计算机模型可以显示多巴胺系统是如何工作的，然后研究人员可以确定理论模型在多大程度上适用于人类。

计算精神病学起步缓慢，Montague说，部分原因是生物学方法的成功。百忧解和类似的药物，统称为SSRIs，在治疗方面相当有效抑郁症．他们“可以把人从自杀他说，“但这并不能解释”个体的问题所在。开发大脑中多巴胺系统和其他系统的模型可以帮助连接分子和精神疾病之间的点，就像在机器学习中所做的建模一样。

一个明显的困难是，在活人的大脑中进行研究不受这些人的欢迎。然而，蒙塔古通过与神经外科医生合作解决了这个问题。他让神志清醒的患者参与某些游戏，比如赌博，以监测外科医生在进行手术时多巴胺的释放情况。“这个模型告诉我们在大脑中寻找什么，”他说。

一些患者被要求下围棋，这是一种复杂的亚洲战略游戏。“我们认为围棋非常深奥和复杂，”他说。但通过追踪大脑活动，并建立观察到的计算机模型，“我们可以发现最好的玩家看不到的东西。”这是计算精神病学如何被用来识别大脑活动的又一个例子，即使是最专业的精神病学家也无法发现。

同样的想法——从嘈杂的数据中提取重要信息——也可以用于研究帕金森氏症，这是一种由缺乏产生多巴胺的神经元引起的运动和平衡障碍。帕金森病很不寻常，因为它可以有多种不同的形式。蒙塔古可以观察受多巴胺影响的各种系统，并确定特定患者的哪些系统受到影响。再一次，新技术可以在复杂的数据中找到清晰度，而且它们不局限于可诊断的疾病。“你将能够收集使用传统心理疗法的人，并使用这些方法对他们进行细分，”他说。

都柏林三一神经科学研究所的心理学家罗伯特·惠兰(Robert Whelan)正在使用机器学习来研究青少年的饮酒行为。他想要回答一个关于青少年的重要问题:14岁青少年的信息能让他预测谁会在16岁时成为酗酒者吗?机器学习很适合这种情况，因为惠兰不知道答案可能是什么。他有大量的数据要处理——2500名14岁青少年的脑部扫描。“我们让机器查看14岁时的所有数据，从中选出重要的数据，这些数据可能表明谁会在16岁时成为酗酒者。”

他和他的同事进行了一系列测试。“我们观察了他们的大脑结构，做了认知测试、行为测试、生活史，并询问他们的父母是否患有糖尿病离婚了在所有的计算工作完成后，惠兰报告了部分成功。。预测的准确率为70%到75%。他说:“我们发现，在某种程度上，预测谁会成为一个饮酒者是可能的。”“准确率不高，但很可能是真的。”

但该实验在预测酗酒方面的成功并不仅限于此。它还揭示了研究人员没有预料到的事情——机器学习的一个优点。一种是“那些更性格外向的14岁时成为酗酒者的可能性更高，”惠兰说。但最好的预测者是有责任心的在16岁时，关心工作和为他人着想的人也更有可能酗酒。提前进入青春期的青少年也是如此。这些发现有点神秘和出乎意料，这也是它们如此重要的部分原因。

惠兰在佛蒙特大学(University of Vermont)与休·加拉文(Hugh Garavan)一起做博士后时进行了关于酗酒的研究。他说，一个有趣的发现是，大脑更大的青少年更容易喝酒——这不是研究人员自己可能得出的假设。但一旦他们发现了这一点，就说得通了。在大脑发育期间青春期，它往往会缩小。神经元和它们之间的连接随着不必要的突触被修剪而变小。大脑越大的孩子越不成熟，而大脑发育不成熟的孩子更容易酗酒。

使这项研究成为可能的原因之一是Whelan和Garavan获得了大量的脑部扫描。为了得出有意义的发现，研究人员需要庞大的数据集。直到最近，它们都不存在。

加拉文说，在任何给定的研究中，“你可能有20个孩子”，远远少于所需的数千个。他说，这有两个问题。其一是，如果没有大量的数据收集，即使是最好的计算工作也无法发现微小的异常。在没有大量数据的情况下，虚假的联系可能看起来是真实的:如果一项初步研究中的20个孩子碰巧比平常高，我们就可以得出这样的结论:一个青少年越高，她就越有可能抑郁。如果随机抽取2000名学生，他们的平均身高就不太可能比总体人口高。

美国国立卫生研究院将花费3亿美元收集1.1万名9岁儿童的数据，包括脑部扫描、基因测试、激素分析和心理评估，Garavan说。该计划是定期对这些人进行随访，直到他们年满20岁。

在一个即将到来的项目中，惠兰正试图使用同样的技术来预测哪些患者对特定治疗的反应最好。“当一个人去看精神科医生时，他会接受治疗，然后被送走8周，看看治疗是否有效。”惠兰正试图设计一种方法，以增加患者从一开始就获得最适合他们的治疗的机会。这样一个有效的指标将节省金钱和时间，并使患者更快地感觉更好。

他对这些研究的未来感到兴奋。酗酒研究的策略现在正被其他研究人员采用，以寻找更多的相关性。这突出了这些研究的一个重要警告。“我们的研究总是相互关联的，”他说。“我们不知道是什么导致了孩子们喝酒，或者是他们喝酒的后果，或者他们是否以某种方式联系在一起。”但这项研究确实为专家们寻找原因提供了有力的线索。

虽然这项工作令人兴奋，但对于想要应用这些发现的医生或可能从中受益的患者来说，这意味着什么?大脑中是否有特定的区域让你更容易自杀?或者变得抑郁?惠兰说:“如果我们找到一种具有预测性的大脑标记，我们可能会提出某种铅笔和纸的测试来利用它。”

例如，酗酒研究的结果可以产生一份包含10个问题的问卷，可以确定哪些孩子可能成为酗酒者，给学校和家长一个干预的机会。这不是魔术，但它是理性和科学的——不像高中副校长猜测哪些孩子可能有危险。

计算技术也为已经吸引了大量研究人员的领域提供了见解注意在传统研究中。阿琼·克里希南(Arjun Krishnan)是密歇根州立大学的计算生物学家，在研究自闭症．当他学习的时候遗传学他的专业是生物学，对计算机科学也很感兴趣。当他继续学习时，他意识到自己可以把这两个领域联系起来。

“生物学家过去常对我说，‘你对生物学了解得不够’，而计算机科学家也会说，‘你对计算机科学了解得不够。’”但事实证明，这是理想的。“我比生物学家更了解计算机科学，我比计算机科学家更了解生物学。这两个阵营无法相互交流，但都可以和我交流。”

Krishnan利用他的跨领域跨领域研究了遗传学中的一个基本问题:基因是如何专门化并相互交流的?“我们体内的细胞可以做非常不同的事情，即使它们拥有相同的基因，”他说。“脑细胞和心脏细胞有相同的基因。”但脑细胞不能像心肌那样收缩，当弗兰肯斯坦博士大喊“它是活的!”时，心脏细胞也不能让你起鸡皮疙瘩。它还活着!”

这有直接的实际意义，因为“每一种疾病都与我们体内一种非常特定的细胞类型有关，”克里希南说。“如果基因‘破裂’导致自闭症，影响是通过大脑相关组织产生的。”

但是基因并不是单独起作用的。基因是社会生物，它们参与身体的社会网络。同样，Facebook使用计算模型来决定向你推荐谁为朋友——那些你应该联系的人，因为他们是你的朋友社交网络．Krishnan使用了类似的想法来研究生物网络——通过已知的与疾病相关的基因网络来寻找迄今为止未知的也与疾病相关的基因。

当Krishnan把他的注意力转向自闭症时，只有几个罪魁祸首基因被确定。他使用的大数据来自西蒙斯基金会自闭症研究计划。它收集了2600个所谓的“单纯型”家庭的基因样本，这意味着每个家庭只有一个人患有自闭症谱系障碍——兄弟姐妹和父母不受影响。克里希南用他的计算方法寻找只存在于自闭症儿童身上的突变。

当他五年前开始这项研究时，只有15或16个基因与自闭症有关。克里希南说，这个数字已经增长到大约65个。研究人员认为一定有更多;10年前，他们预测最终可能会发现600到1000个基因。

他说:“我们认为我们可以提取已知的自闭症基因，看看它们是否作为大脑网络的一部分相互作用。”人类基因组包含25000到30000个基因。Krishnan和他的同事们决定给每一个自闭症基因打分，从最具预测性到最不具预测性。“我们的排名包含了许多以前从未被研究过的顶级基因。”2016年8月，他和同事们在《科学》杂志上发表了他们的研究自然神经科学这项研究将候选自闭症相关基因的数量从大约65个增加到2500个。这在理解自闭症基因方面是一个潜在的重大进步。现在的问题是，这是否能帮助临床医生发现自闭症的原因，然后治疗它。

关键是克里希南不需要了解每一个基因。“这就像是说，我需要了解每一个买家，才能形成一个市场营销竞选，”他说。基因形成网络，就像杂货店的购物者一样，如果他知道其中一些基因是做什么的，他就能得出关于其他基因的结论。

这一发现也强调了自闭症“根本不是一种单一的疾病”的观点。这是最多样化的疾病之一，”他说。自闭症会有各种各样的症状:睡眠问题，消化困难，还有感官知觉等。然而，太多时候，这些都被放在一个盒子里。Krishnan补充说:“我们还不知道哪组基因会导致自闭症的哪部分。”肥胖和心脏病等其他疾病也是如此，这些疾病也可能有不同的症状和多种原因。他计划利用同样的计算技术，将注意力转向阿尔茨海默病和心脏病。

问题在于切割前沿计算研究的一个特点是，这个故事通常以一个令人兴奋的未来的承诺结束，并提醒人们，在任何工作都能帮助患者之前，还需要更多的研究。虽然这项研究确实如此，但一些发现已经影响到了抑郁症患者。亚当·切克劳德，耶鲁大学的博士生，创立了一家叫春天为了利用他在抑郁症方面的研究成果。他指出，美国人对抑郁症的治疗通常并不完美。“医生可能只发现了一半的抑郁症发作患者。在那些被确诊的患者中，30%的人没有回来接受治疗。在那些回来的人中，70%的人没有康复。只有少数人能全程得到最佳护理。”

切克劳德利用计算方法使这幅图变得明亮。他利用自己的数据分析为患者开发了一份问卷，不仅可以帮助诊断，还可以预测什么可能是最好的治疗方法。

在今年早些时候的一篇论文中《柳叶刀》，契克罗德报告说，大约30%到40%的抑郁症患者在接受治疗后会康复复发．大约30%的复发患者在服用SSRI类药物后康复抗抑郁药．但他能够确定这一组人中有60%可能对SSRI西酞普兰(Celexa)有特异性反应。这可以让患者避免那些随机的药物试验，并直接让他们找到对他们有帮助的药物。他说:“当我们在完全独立的临床试验中进行测试时，我们表明(预测)在统计上也是可靠的。”

人们相信童年创伤是与患抑郁症风险较高相关的一个因素，切克劳德说。身为女性也是如此。“机器学习结合了所有这些小影响，并观察整体症状。”

切克劳德渴望扩大研究范围，于是和两位耶鲁大学计算机科学专业的毕业生一起创建了Spring。该公司目前正在与纽约布朗克斯的一家诊所合作，评估Spring的诊断问卷。走进诊所的病人大多说西班牙语，享受医疗保险或医疗补助，他们会拿到一个装有调查问卷的iPad。大约需要两分钟。当医生叫他们的时候，他们会带上iPad，把它交给医生。iPad上的诊断程序会告诉医生哪种治疗方法可能最有效，提供一份选项清单，并警告潜在的副作用。

从几个月前开始，Chekroud和他的同事们每周至少修改一次方案，以回应诊所医生和护士的反馈。该系统现在诊断抑郁症的准确率约为70%，甚至在患者看医生之前。

诊所的信息技术主任对试点项目的结果感到满意。“试点工作已经进行了一半，录取率大幅上升。”也就是说，患者对问卷调查表示欢迎。他们一进门就迫不及待地想拿起iPad。“这绝对是一个渐进的步骤，但我认为这将导致医疗保健的革命。我们离不开大数据，也离不开大数据。”

切克劳德看到了光明的未来，微软也是如此，微软赞助了他的研究，并允许他免费使用其云计算资源。他计划将更多的治疗方法纳入该方案，包括锻炼和治疗心理治疗．

当被问及精神病学和神经科学计算研究的未来时，瑞德·蒙塔古充满了热情。他很兴奋，他训练的学生也很兴奋。“这将是计算机科学的重大应用，”他说。“我在打赌，但我认为这是一个很好的赌注——精神疾病和神经疾病几乎影响了地球上的每个人。”随着计算技术的进一步应用，抑郁症将不再是简单的抑郁症。患有传统精神病理学的人可以被细分为不同的类别，这可以导致更仔细的治疗，并更迅速、更有效地缓解精神疾病的症状。

将你对这篇报道的回复提交给letters@psychologytoday.com．如果您希望我们考虑发表您的信，请包括您的姓名，城市和州。信件可以根据长度和清晰度进行编辑。

现在就在报摊上买一本《今日心理学》，ob欧宝娱乐平台网站或者订阅阅读最新一期的其余内容。欧宝体育在线登录入口