通常，精神疾病的診斷包括依據為國際疾病分類、精神障礙診斷與統計手冊，有經驗的醫生依據調查問卷和自己的經驗進行判斷。

而由于血液檢測查不出抑郁癥，腦部掃描也沒法提前檢查出焦慮癥，活組織檢查更不可能診斷出自殺的念頭。所以至今，在醫學領域中，沒有任何可靠的生物標記可以用來診斷精神疾病。

精神病學家們想找出發現思想消極的捷徑卻總是得不到結果，這使許多精神病學的發展停滯不前。它讓精神疾病的診斷變得緩慢、困難并且主觀，阻止了研究人員理解各種精神疾病的真正本質和原因，也研究不出更好的治療方法。

但這樣的困境并不絕對，事實上，精神科醫生診斷所依據的患者語言給精神病的診斷突破提供了重要的線索。這也促進了數據表型的發展，即從我們的語言選擇、我們的睡眠模式到我們給朋友打電話的頻率，通過人工智能對這些數據進行分析，通過篩選人們產生的數據來尋找抑郁、焦慮、雙相情感障礙和其他綜合癥的跡象。

基于此，現在，一個研究小組正在調查人工智能是否能檢測出孤獨感。事實上，孤獨感已經成為一個日益嚴重的健康問題，甚至被認為是比肥胖更容易導致過早死亡的因素。

這項新研究的作者認為，孤獨是一種特別難以衡量的精神狀態，因為醫生通常難以量化患者的孤獨感，因此迫切需要某種客觀的測量方法。

這項新的研究招募了80名老年人。每個受試者都使用傳統的孤獨感評估方法進行評估，并完成一個更長、更具對話性、半結構化的訪談，持續時間長達90分鐘。

這些訪談記錄下來，然后在IBM開發的自然語言系統的幫助下進行分析。除了檢測那些傳統評估沒有發現的對象的孤獨感之外，該系統還揭示了男性和女性談論孤獨感的方式上的差異。

研究發現，人工智能系統可以以94%的準確率定性預測受試者的孤獨感。一個人越感到孤獨，他們對有關孤獨的直接問題的回答就越長。研究人員甚至認為，存在一種“孤獨言語”模式，可以在未來用來監測老年受試者的幸福感。

此外，男性在較長時間的談話中使用更多恐懼和快樂的詞匯，而女性則更容易明確表達孤獨感。這項研究的發現為臨床醫生提供了重要的見解，讓他們了解男人和女人表達孤獨的不同方式。

目前，該研究的下一步將是將其他傳感器數據結合到評估中（如GPS跟蹤和睡眠數據），使每個個體的發現個性化。此外，這項系統顯然還需要在更大、更多樣化的人群中進行測試，以調試其準確性。

其研究結果已在線發表在2020年9月24日的《美國老年精神病學雜志》上。

責編AJX