在识别文本中心理健康问题的迹象方面，算法与人类检查员一样出色

在识别文本中心理健康问题的迹象方面，算法与人类检查员一样出色

华盛顿大学医学院的研究人员发现，在识别患有严重精神疾病的人的短信中的警告信号方面，算法与训练有素的人类评估员一样好。 这开辟了一个有前景的研究领域，可以帮助解决心理健康培训和护理短缺问题。

研究结果于九月底发表在《精神病学服务》杂志上。

短信越来越成为心理健康护理和评估的一部分，但这些远程精神科干预措施可能缺乏治疗师用来指导与患者面对面对话的情感参考点。

该研究小组位于精神病学和行为科学系，首次使用自然语言处理来检测和识别反映“认知偏差”的短信，而这些信息可能会被训练不足或过度劳累的临床医生所忽略。 该研究最终还可以帮助更多患者找到医疗护理。

当我们亲自与人见面时，我们会遇到所有这些不同的背景。 我们有视觉提示、听觉提示，以及短信中未表达的东西。 这些都是我们应该依靠的。 我们希望技术能够为医生提供额外的工具，以扩展他们做出临床决策所依赖的信息。”

贾斯汀·陶舍尔（Justin Tauscher），该文章的主要作者，华盛顿大学医学院现任助理教授

该研究检查了 39 名患有严重精神疾病且有住院史的人及其心理健康提供者之间的数千条独特且未经请求的短信。 人类评分者评估文本中的各种认知偏差，就像他们通常在患者护理中所做的那样。 评估者会寻找微妙或明显的语言，这些语言表明患者过于概括、灾难化或过早下结论，所有这些都可能是问题的迹象。

研究人员还对计算机进行了编程，使其执行相同的文本评估任务，并发现人类和人工智能在大多数研究类别中的评分相似。

“我认为，建立支持临床决策的系统的能力对于该领域的那些有时无法接受培训、有时无法获得监督、或者有时只是疲倦、过度劳累和精疲力尽的人来说是极其相关的，并且具有潜在的影响力。” “我很难跟上他们之间的所有互动，”陶舍尔说，他在临床环境工作了十年后才开始从事研究。

协助医生将是一个立竿见影的好处，但研究人员还看到未来的应用程序可以与可穿戴健身手环或基于手机的监控系统一起使用。 威斯康星大学技术与工程中心行为研究中心主任、该论文的合著者 Dror Ben-Zeev 表示，该技术最终可以提供实时反馈，提醒治疗师即将出现的问题。

“就像你获得血氧水平、心率和其他输入信息一样，”本-泽夫说，“我们可能会得到一张纸条，表明患者过早下结论并采取灾难性的行动。只是有能力做到这一点。” “提高对思维模式的认识是我们未来的设想。人们将通过他们的技术获得这些反馈循环，通过这些反馈循环他们可以深入了解自己。”

这项工作得到了华盛顿大学医学院加维脑健康解决方案研究所、国家心理健康研究所 (R56-MH-109554) 和国家医学图书馆 (T15-LM-007442) 的支持。

来源：

华盛顿大学医学

参考：

陶舍尔，J.S.，等人。 (2022) 自动检测医生和患有严重精神疾病的人之间文本交流中的认知偏差。 精神科服务。 doi.org/10.1176/appi.ps.202100692 。

。