近日，2018中國數字醫學高峰論壇在海南博鰲成功舉辦。與會者全方位探討了當前人工智能(AI)技術在臨床醫療應用中的前沿技術、理論標準、發展趨勢和實踐經驗。荷蘭阿姆斯特丹自由大學教授、首都醫科大學腦保護高精尖抑郁癥人工智能創新團隊首席科學家黃智生主持大會主旨論壇，并介紹了“抑郁癥知識圖譜及其應用”的最新研究成果。會后，科技日報記者對黃智生教授進行了專訪。

預測和治療抑郁癥是人工智能應用新熱點

據世界衛生組織估計，全球大約有3億多人患抑郁癥，占總人口4.4%，特別是2005—2015年間，全球受抑郁癥影響的人數增加了18%，抑郁癥已被列入“日益嚴重的全球公共衛生問題”。中國的情況同樣嚴峻，抑郁癥病例占全國人口達4.2%，即近6000萬患者。抑郁癥患者主要表現為持續悲傷，最嚴重者可能導致自殺。目前自殺已成為多國年輕人第一大死因，其中患抑郁癥占比超過一半。

然而，如此龐大的患病人群中，僅有不到10%接受了藥物治療。各國對心理疾病的診斷和治療能力普遍大幅落后于身體疾病，心理醫生和精神病醫生數量短缺，且缺少診前精準預測和診后有效追蹤。

目前，AI技術正越來越多地應用到醫療行業，特別是對于尚缺乏有效診斷和治療手段的精神疾病領域更有意義和潛力。在一些探索性研究中，已有多個項目取得了初步成功。如在抑郁癥診斷方面，IBM的研究團隊利用機器學習，分析心理疾病記錄，發現處于精神疾病風險的人說話時較少使用連貫的句子和所有格代詞，可用于精神疾病的預測。在抑郁癥治療方面，斯坦福大學的研究團隊嘗試利用AI聊天機器人緩解患者抑郁癥狀。隨著技術進步和經驗積累，AI正在為大規模診斷和治愈抑郁癥帶來新希望。

語義技術與知識圖譜是處理復雜問題殺手锏

黃教授向科技日報記者介紹，當前AI研究主要有“深度學習”“語義技術與知識圖譜”兩大技術支柱。其中，“深度學習”采用歸納法，是一種由個別到一般的推理方法，即從數據中獲得知識。如AlphaGo，就是從海量的數據中讓機器自動提取特征、規律，從數據中得出戰勝人類的圍棋知識。“語義技術與知識圖譜”采用演繹法，是從大量知識中推得結論或新的數據，是一種由一般到個別的推理方法，其本質是通過語義處理實現統一理解不同性質、類別的知識，可用于處理大量復雜問題。如IBM人工智能程序“沃森”，在綜藝節目中能夠快速理解分析各種類型的提問，成功擊敗人類高手。

由于涉及醫學和生命科學的問題一般都很復雜，數據類型多樣，目前主要利用知識圖譜技術來實現分析處理。知識圖譜是描述概念、實體及其語義關系所構成的大型知識庫，采用語義技術形式來系統化、結構化、集成化地表達特定領域知識。與此前通過關鍵字搜索進行選定的傳統技術不同，知識圖譜能夠讓機器理解人類使用的自然語言，并根據需求精確鎖定具有特定含義的語句，其準確性更高，更能夠應對關鍵字搜索無法處理的復雜問題。

智能機器人成功開展自殺監控預警

黃教授指出，青少年自殺已成為社會普遍關注的重要問題之一。許多年輕人通過社交網絡表達了各種自殺情緒和愿望，這為采用AI及大數據技術作網絡分析監測和進行自殺救助提供了可能性。黃教授利用知識圖譜等AI技術，在此方面進行了成功嘗試，特別是他們倡議組織的“樹洞行動”。

黃教授介紹，“樹洞行動”中的樹洞是傳說古時候，心里藏著秘密又希望傾吐的人，跑到森林里找一個樹洞對其傾訴秘密。在當代，人們常在網絡社交媒體上傾吐自己的想法。一位抑郁癥患者自殺后，他的微博經常成為抑郁癥患者，特別是想自殺的人傾吐心聲的現代化“樹洞”，這里每天更新許多企圖自殺的留言信息，為我們發現高風險的自殺患者提供了基本條件。

黃教授團隊為此特別開發了一款網絡智能機器人系統，根據“樹洞”知識圖譜對社交媒體信息中所包含的自殺可能性進行判斷。“樹洞”知識圖譜覆蓋了自殺方式、自殺計劃、痛苦表達、時間描述、地點描述、悼念模式等相關概念的描述。

該系統于今年7月上線運行，每天定時從網絡“樹洞”中抓取數據，進行智能化分析，生成對應的自殺監控通報，并發給“樹洞行動”救援團采取相應的救助行動。系統運行3個多月以來，能夠自動剔除99%的無關信息，對自殺風險判別的準確率平均達到82%。

迄今為止，“樹洞行動”已關注了300多名高自殺風險的患者，并組織一百余名志愿者和精神健康專家，成功對超過40名患者進行了有效救助，阻止了他們短期內的自殺行動，給予其生活幫助并樹立新的人生希望。“樹洞行動”救援團高級專家、北京安定醫院院長王剛教授表示，這一項目意義重大，在危機干預、自殺預防、抑郁癥疾病管理方面具有廣泛應用前景。

但針對不同自殺者和抑郁癥患者，為其提供幫助、心理疏導和治療，非常復雜且具有個性化，目前還無法完全依靠機器來實現。如何更有效地利用“樹洞機器人”提供的信息，及時幫助自殺者和抑郁癥患者，還需要更多志愿者和心理專家參與救助行動，以“人機結合”的模式進一步提升新技術帶來的社會效益。

關鍵詞：