由Inria的丹尼斯·恩格曼(Denis Engemann)指导的跨学科合作今天发表的一项研究表明，从大量人群中进行的机器学习可以产生与大脑相关的健康问题的“替代措施”，而不需要专家的评估。研究人员利用了英国生物样本库(UK Biobank)，这是世界上最大、最全面的生物医学数据库之一，其中包含了英国人口详细和安全的健康相关数据。这项研究发表在开放获取杂志《GigaScience》上。
世界各地的心理健康问题不断增加，世卫组织确定，2007年至2017年期间，心理健康状况和药物滥用障碍增加了13%。这些疾病给社会带来的负担是广泛的，对生活的几乎每一个领域都产生了负面影响:学校、工作、家庭、朋友和社区参与。在阻碍社会处理这些疾病的能力的许多问题中，有一个问题是，对这些健康问题的诊断需要专家;在全球范围内，可获得性差异很大。为促进心理健康评估而开发的机器学习方法，可能为帮助检测、预防和治疗这类健康问题提供急需的额外手段。
为了开发对心理健康敏感的人工智能模型，Inria的研究人员(Saclay -Île-de-France)和他们的同事向英国生物银行寻求所需的数据。英国生物银行不仅存储生物和医学数据，还存储关于个人环境和习惯的问卷数据，如年龄、教育、吸烟和饮酒、睡眠时间和体育锻炼。具体到这项研究，这些问卷还包括社会人口学和行为数据，如个人的情绪和情绪，生物数据包括1万名参与者的大脑扫描的磁共振图像。
Inria的科学家将这两个数据源结合起来，建立了近似测量大脑年龄的模型，并科学地定义了智力和神经质特征。这些作为“代理测量”，是与特定疾病或无法直接测量的结果密切相关的间接测量。在过去，用这种方法发展出的近似方法已经成功地用于从MR图像预测“大脑年龄”。之前的神经临床工作是丹尼斯·恩格曼和他的团队的起点。
Engemann解释道:“在这项工作中，我们从两方面概括了这种方法。首先，我们证明，除了生物老化，同样的代理测量框架也适用于与心理健康更直接相关的结构。其次，我们表明，有用的替代测量可以从其他输入，而不是大脑图像，如社会人口学和行为数据。”
研究人员通过在英国生物银行数据的一个独立子集中展示相同的结果来验证他们的代理措施。
这项工作的结果让我们看到了未来，心理学家和机器学习模型可以携手合作，产生越来越细粒度和个性化的心理评估。例如，在未来，客户或患者可能允许机器学习模型安全访问他们的社交媒体账户或移动电话数据，然后返回对客户和心理健康或教育专家都有用的代理措施。
然而，尽管人工智能可以提供急需的评估工具，但人类互动仍将是必不可少的，正如Engemann指出的那样:“不会改变的是，无论测试结果是通过机器学习还是传统测试获得的，心理健康从业者都需要在个案的基础上，通过社会互动仔细解读测试结果，并将其背景化。”
