讲话“前言不搭后语”“牛头不对马嘴”，可能是精神疾病在语言中留下的征兆。美国纽约西奈山医院利用人工智能程序分析了两组青少年精神疾病高危群体的访谈文字稿，通过语义连贯性、语法复杂性、物主代词使用等几个变量，能预测他们是否会在两年内发病，准确度最高可达到83%。

此外，该语言分析程序能以72%的准确率区分健康个体和精神病患。研究成果以论文的形式发表在1月22日的《世界精神病学》期刊上。

思维混乱是精神疾病的症状之一，通常以面谈的形式进行临床评估。语言可谓窥见思维的窗口，紊乱的思维具体会造成语义流中断、讲话抓不住重点、上下文联系松散、语言复杂度降低、句子变短等。其中，语义流中断是早期精神分裂症的核心特征，往往会在青少年精神病发病前就明显而持续性地表现出来。

面谈评估的平均准确率只有35%。此前一些精神病学家也试图用人工编码的程序描述早期精神疾病患者的语言特征，以期提高预测能力。他们发现用语义特征（非逻辑思维）和语法复杂度（语言贫乏）就能预测出71%的发病。此外，这部分人群往往分不清“你我他”“这”和“那”。

虽然人工编码的程序表现优于面谈，但变量都是人为预设的，可能没有捕捉到其他精微的特征。这次，由西奈山医院、IBM沃森研究中心、布宜诺斯艾利斯大学、加州大学洛杉矶分校组成的联合团队想到了机器学习方法训练过的自然语言处理器。

研究人员调取了两组青少年精神病高危群体的访谈文字稿，一组34人来自纽约，其中5人在访谈后两年内发病；一组59人来自洛杉矶，其中19人在访谈后两年内发病。

计算机自然语言处理器自动对文字稿进行自动分析，找出了发病者和未发病者的不同之处。“研究结果是令人激动的，这项技术有望提高对精神疾病的预测能力，并帮助研究人员开发出新的策略，针对语言紊乱背后的认知缺陷进行调解和训练，最终预防精神疾病。”论文的第一作者、西奈山伊坎医学院助理教授切瑞·科科伦表示。

证明了自然语言处理程序能有效提取精神失调者的语义语法特征后，研究者将目光瞄准了非英语母语群体。他们计划下一步在其他语言中验证程序的有效性，找出相关的变量。

除了语言之外，动作也是心理学家诊断和治疗心理疾病的主要数据来源。科科伦提到，现在一些创新性的计算机程序能把复杂的动作简化成语言一样的特征。借助人工智能程序，收集和分析这些数据便捷廉价，未来可能广泛应用于精神病学等医学领域。

来源：澎湃新闻

责任编辑：顾军