以色列研究人员开发创新技术或及早发现自杀倾向
以色列

以色列研究人员开发创新技术或及早发现自杀倾向

以色列理工学院和希伯来大学的研究人员开发了一种创新技术,可以及早发现自杀倾向。 该技术创建在对社交网络内容的自动文字分析,研究结果发布在《科学报告》中。

阅读
由 伊塔玛.埃茨纳 Itamar Eichner

自杀是以色列乃至全世界的显著死亡原因,全世界每年有大约一百万人自杀,其中约有500起发生在以色列。尽管不是最主要的死亡原因,但自杀却是24岁以下年轻人的头号死因。

社交、心理和精神科方面的帮助可以有效预防自杀,但这仅发生在问题被诊断出而且患者接受治疗的情况之下。由此可见,在人群中识别自杀倾向是非常重要的。这是一个极其复杂的事情,因为与心理健康相关的医学信息都受到保密协议的保护,并且许多有自杀倾向的人都不会寻求帮助。

在过去的50年中,大量的研究致力于开发能及早发现有自杀风险者的演算模式。问题在于迄今为止,这些模式都建立在传统的统计方法,其预测准确度与概率层面的预测相仿。

以色列理工学院和希伯来大学的研究人员进行的一项新研究预示着该领域的突破。该研究发表在自然出版集团(Nature Publishing Group)的刊物《科学报告》中。这项研究是由以色列理工学院的自然语言处理专家罗伊.莱察(Roi Reichart)教授,主修计算心理学的博士研究生雷法.迪科津斯基(Refael Tikochinski)和同时任职于希伯来大学的临床心理学博士后研究员雅科夫.奥菲尔(Yaakov Ophir)博士;连同希伯来大学的教育心理学科学家克里斯塔.阿斯特汉(Christa Asterhan)教授和认知与大数据领域的伊塔.西索(Itay Sisso)博士。

该小组开发的技术可以在总体人口中及早发现高危人群。因此,这项检测不局限于已经接受心理健康治疗的人群。该系统将机器学习和自然语言处理与来自心理学和精神病学领域的理论和分析工具相结合,并使用了分层神经网络。

根据莱察教授的说法,“我们现在了解了检测自杀倾向不能仅取决于明确的悲痛表达(例如:“我想死”)或官方医疗记录(例如来自脑部扫描的生理数据、精神病学评估以及医疗档案中的其他数据)。尽管进行了五十年的深入研究,根据人口统计、心理层面和医学数据来推测自杀未遂尝试并没有特别成效。因此,我们意识到我们必须同时从不同方向应对挑战。”

根据奥菲尔博士的说法,这项研究的构思出现在16岁的大卫.埃米拉兹(David-El Mizrachi)不幸离世之后。大卫. 埃米拉兹因为在网路上和生活上被霸凌而自杀。 “很快地我们就清楚知道,要及早发现自杀倾向需要跨学科研究,其中包括来自不同领域的研究人员。这也就是为什么这个小组是由多所大学和多个领域所组成。 “

研究人员发现,具有真正自杀倾向的人很少在帖子中使用明确和惊人的用词(例如“死亡”,“杀死”或“自杀”)。他们更常使用否定性描述词(如“不好”,“差劲”)、诅咒词(“ 该死的” f***ing,“ 婊子” b**ch)、情绪困扰的表达方式(“ 伤心”,“ 受伤”, “哭泣”,“疯狂”)和负面生理状态的描述(“生病”,“痛楚”,“手术”,“医院”)。没有自杀倾向的人往往会表达更多积极的情绪和人生经验,并更多地提及宗教和积极的人生观。这种关联与许多研究一致,认为这些因素能帮助免于精神和情绪困扰。

研究人员总共分析了超过80,000条美国成年人写的脸书帖子,并将他们的语言使用方式与他们在各种有效心理指数的得分进行了比较。“基于自然语言处理的计算模式的强大之处在于它具有分析大量语言线索的能力,而这是人类无法做到的。” 雷法.迪科津斯基解释道, “在这个项目中,我们将基于注意力的顶尖神经网络模式用于文本表示中,并使用分层神经网络进行分类。”

阿斯特汉教授补充说:“这项研究对于识别面对苦痛的人并及时提供帮助非常重要。此外,它展示了深入的跨学科合作以及将社会科学和数据科学的先进知识相结合的优势。一方面,使用先进的计算技术为社会科学开启了前所未有的新研究机会。另一方面,将心理病理学知识和数据嵌入到计算模型中之后,准确率有了实质性的提高。”

奥菲尔博士总结道:“我不喜欢陈词滥调,但在这种情况下,我相信我们所取得的突破最终能够挽救生命。我希望这项研究为精神健康领域带来希望。”