文/John Koetsier
全球有近10亿人患有某种精神疾玻但是美国辛辛那提儿童医院（Cincinnati Children’s Hospital）的医生们正在使用人工智能和世界上第二强大的超级计算机来进行早期诊断。
他们说，这可以使一切变得不同。
“如果我们能及早发现……我们可以治疗并减轻近50%的成年精神疾病，”该医院的John Pestian博士（John Pestian）最近向笔者表示。“所以从小发现，及早发现，并给予照顾是非常重要的一部分。”
该项目由辛辛那提儿童医院、辛辛那提大学、科罗拉多大学和橡树岭国家实验室（Oak Ridge National Laboratory）合作完成，橡树岭国家实验室是Summit超级计算机的所有者和运营商。由IBM制造的Summit可以达到每秒200千万亿次（petaflop）浮点运算，并且是第一个达到每秒百亿亿次（exaflop）浮点运算速度的超级计算机。
为什么要使用性能近乎荒谬的硬件？
这台超级计算机通过训练人工智能模型来评估心理健康风险因素的速度要比笔记本电脑的速度快17,000倍以上，而John Pestian博士为退伍军人设计的早期自杀预防模型要在标准电脑上运行10年。
“我参加了美国的百万老兵项目（Million Veteran Program），我们通过自然语言处理来……防止退伍军人自杀。”John Pestian是负责辛辛那提儿童心理健康项目的9个不同机构中的25名科学家之一。“我们建立的模型……它很大……如果你想在本地电脑上运行这个程序，你可能要花上10年的时间才能计算出来。”
而一个标准的大学集群机可能不完全被归类为超级计算机可能需要5年时间。
“超级计算机可以让我们把时间缩短到5个小时……我们需要它来训练这个模型。”
对于复杂的精神疾病来说，这种高科技是必要的，因为会涉及到大量的个人、环境、生物、情感、社会和思维过程，而要想计算所有这些成分或者更确切地说，训练一个人工智能模型来理解所有这些成分并实现准确预测是困难的。
其中一个很大的挑战便是：自然语言处理要能接受孩子们说的话，理解它，并把它作为风险评估模型输入的一部分。另一个重要的过程是，为了保持最新状态，项目软件要通过阅读Medline和PubMed的文章来不断更新自己，以辨识出可能对更新模型很重要的研究结果，并向人类展示它们。
研究人员说，这在十年前是不可能的。
这一切都是通过辛辛那提儿童研究基金会（Cincinnati Children 's Research Foundation）最近提供的1,000万美元赠款而得以实现的。该基金会表示，美国2至8岁的儿童中，有17.4%被诊断患有精神、行为或发育障碍，这意味着每个教室里大概有五个孩子。
当然，这些只是被确诊的人。
该项目的目标是创建“接近实时”模型，以在早期识别出有风险的儿童，特别是有抑郁症和自杀想法。
其中一个关键的资源是要对相关情况进行不寻常的和令人不安的收集。医生和心理健康专家可以和病人交谈，但他们需要知道自己在寻找什么。像上述工具可以帮助识别有非常明确的自杀想法的迹象。
“……我收集了几千份自杀笔记，然后根据这些建立了自然语言模型，”John Pestian博士说。“这些是人们自杀前写的笔记。”
John Pestian和其他研究人员根据笔记做了记录，并设计了一些问题来问孩子们，比如“你有秘密吗？”和“你生气了吗？”，而这些答案会成为人工智能模型的一部分，将用来确定儿童是否处于高、中、低风险的抑郁症或其他心理健康状态。然而，数据流中包含的不仅仅是问题答案，还有人们说话的方式，他们在句子之间插入的停顿次数，以及他们交谈时的面部表情。
John Pestian认为，人工智能显然很重要，但人类更是必不可少，至少最初阶段离不开人类的参与。
“近期内，我们将在决策支持中增加人工干预。这不是一个决策工具。让机器做决定和让机器说‘哦，看起来你要陷入抑郁了’是有很大区别的。因此，我们必须确保决策能获得支持，并仍然保持人类的干预。”
无论是哪一方掌握风险评估的决策权，都不可否定人类干预中带有的人情味，John Pestian表示。医生、心理健康专家和学校辅导员是其中的关键。
“我还没有准备好接受机器为我们做所有的事情……我也不知道我是否能做到。”
John Pestian预计在一年内会有一个训练有素的模型，但也认为基金会还要持续投资三年，以解决错误，故障和问题，然后才可以让模型被大规模使用。
John Koetsier是福布斯资深撰稿人，观点仅代表个人。
相关文章
