2019年，21歲的中國學生李凡在自己的個人微博上留下一行話後服藥自殺。根據後續調查，該生患有抑鬱症，當時正在南京一所大學讀大二，在欠了幾筆網路貸款、遇到感情問題後，他開始休學在家，暗自決定輕生。儘管這個決定他此前並未和其他人說過，但8000多公里外的荷蘭首都阿姆斯特丹，一個代號為“樹洞機器人002號”的程式很快便偵探到了李凡的帖子。一場圍繞他的救援行動就此展開，幾名來自中國各地的志願者們在網路上搭建了一個救援小組。在發現李凡可能已陷入昏迷後，志願者們聯絡了警方，他最終被成功救下，送到醫院。李凡的故事看起來驚心動魄，但卻只是這個名為“樹洞救援隊”的網路組織的日常。這是一個由近600名來自中國各個地方誌願者組成的龐大網路，它的創立者是荷蘭阿姆斯特丹自由大學（Vrije Universiteit Amsterdam）人工智慧學者黃智生。人工智慧程式會自動把抓取到的網路留言劃分為十個級別，根據緊急程度，十級為最高階，意味著自殺正在實施，隨後的九級則意味著有明確計劃的自殺企圖。“最高階的話，意味著生命危在旦夕，生命是高於一切的。但如果沒有那麼緊急，出於保護隱私，我們不會繼續搜當事人的資訊或採取行動。”黃智生說。黃智生表示，創立“樹洞救援隊”的最初想法來源於發現身邊越來越多的人都有抑鬱傾向，於是在2018年，他建立了這個程式，尋找公開的社交媒體上那些心理需要幫助的人。在近一年半的時間裡，“樹洞救援隊”透過黃教授所研發的機器人程式與其他志願者進行配合，累計阻止了近千次自殺行為，救回的輕生者數量逾700人。“我覺得不能再猶豫了，晚一天，就是多少條生命，”黃智生在一次採訪中表示，“現在每週都能救十個人左右”。“樹洞救援隊”的統計顯示，有自殺想法的人年齡主要集中在16至26歲，深夜10點到凌晨2點是樹洞留言的高峰期，在男女比例上大約是1:3。根據《中國青年報》報導，大學生抑鬱症發病率正在逐年攀升。2019年6月，根據世界衛生組織估計，全球逾3億人罹患抑鬱症，約佔全球人口的4.3%，其中中國有5400萬患者，相當於100個人裡至少有3個抑鬱症患者。預計到2030年，抑鬱症將位列世界疾病負擔的首位。面對日漸嚴重的現代心理問題，除了像黃智生和“樹洞救援隊”一樣的志願者們，越來越多的組織都開始嘗試用技術和AI，為抑鬱症患者們庇廕尋求。
根據統計，大多數自閉症兒童的父母都是在孩子出生後1到3年才發現孩子的變化，在美國，這個年齡中位數為4.3歲。但是，大量研究表明，在綜合徵完全顯現之前，進行早期干預可以降低ASD的嚴重程度，並改善兒童的大腦和行為發育。有沒有一種方法可以縮短兒童出現症狀到確診中間的時間差呢？最近，一家位於加利福尼亞的公司推出一種新的自閉症譜系障礙（ASD）診斷工具Cognoa，這個工具使用了人工智慧技術，能在出現相關跡象的幾周內做出ASD診斷，遠快於當前的標準。貝勒醫學院的臨床自閉症研究員，德克薩斯兒童醫院自閉症研究中心副主任Robin Goin-Kochel說，Cognoa的方法是“創新的”，該領域需要一種方法“最小化對發育或行為的首次關注與最終的ASD診斷之間的時間”。Cognoa的技術來自史丹佛大學醫學院兒科學副教授Dennis Wall實驗室，“我希望以此客觀地提出一個問題：我們能否在不損失準確性的情況下，降低自閉症診斷過程的複雜性？”透過將電子病歷資料輸入一組演算法中，Wall的團隊能夠區分出ASD診斷的核心特徵，包括社交和情感特徵，例如對他人微笑的回應，對物體的共同關注，創造力以及想像力等。該團隊的ASD診斷程式透過三個模組來捕獲這些診斷依據：父母調查，家庭錄影和臨床醫生問卷。Cognoa執行長David Happel解釋了該工具的工作原理：當父母對家庭兒科醫生表示擔憂，或者孩子未透過ASD篩查問卷時，兒科醫生會給父母一個程式碼，以便他們在智慧手機上訪問Cognoa的應用。進入應用程式後，父母會回答有關孩子行為方式的15分鐘調查問卷，上傳兩個孩子的家庭錄影（長度為1-2分鐘），捕獲孩子在自然環境中的行為。這些影片將傳送給訓練有素的Cognoa專業人員，他們會對其進行稽核並回答相關問題。這些答案連同父級答案以及由兒科醫生填寫的簡短問卷一起被輸入到Cognoa的AI中，然後，該演算法將結果傳送給兒科醫生，兒科醫生進行診斷。Happel說，該工具的演算法是根據來自數百個不同性別、種族和種族背景的實際案例的資料進行訓練的，“事實證明，它不僅可以加快診斷時間，而且可以消除當前系統固有的許多偏差”。當今的標準ASD診斷工具是根據來自年輕白人男孩的健康資料構建的，這些工具不能很好地識別女孩和非白色背景的兒童，從而導致這些人群的診斷延遲。最近，該公司在美國各地的14個地點完成了一項關鍵的雙盲臨床試驗。報導稱，此試驗涉及425名年齡在18至72個月之間的兒童，他們的父母或醫生對他們的發育表示擔憂，但之前未接受過ASD評估。每個孩子都要接受兩次評估：一次是使用Cognoa的工具，一次是根據DSM-5標準由專科醫師進行的，其診斷得到了另一名專科醫師的確認。關鍵試驗的結果尚未公佈，因此還沒有具體資料可報告。但該公司表示，此試驗“已超過了FDA同意的目標基準”，在性別和種族上都是準確的。另外，這項研究於2019年7月至2020年5月進行，因今年春季新換大流行期間透過遠端醫療對部分兒童進行了遠端評估。在遠端管理上，該工具的效能也一樣好。公司計劃在未來幾個月內提交完整的研究報告以供發表，不久將正式提交FDA。如果獲批成功，Cognoa將成為首個自閉症譜系障礙診斷工具。不只是兒童，對於整個抑鬱症群體，我們都應該給予足夠的重視。2018年，李飛飛團隊就開發了一種能夠診斷抑鬱症的AI。根據介紹，這個AI主要結合了語音識別、計算機視覺及自然語言處理技術，透過表情和語音診斷一個人是否患了抑鬱症。根據實驗結果顯示，AI系統在診斷抑鬱症上的準確度已經達到了83.3%，不僅如此，該模型還可以部署到手機上，從而讓更多的人能夠進行診斷。在具體診斷上，該模型主要判斷以下要素：患者是否語調單一，完全不抑揚頓挫；說話音量是否比較低；講話時手勢是不是比正常人少；是不是總愛低頭向下看等。這個模型的訓練主要用到的是DAIC-WOZ資料，包括142名患者的健康問卷評分和189次臨床訪談、總共50小時的資料。整個模型由兩個部分組成。第一個部分為句子級嵌入式（Sentence-LevelEmbeddings），即整個句子多模態嵌入，可實現捕捉更長時間的聲音、視覺和語音元素。第二個部分為因果卷積網路（C-CNN, CausalConvolutional Networks）。之所以用到卷積網路，主要原因在於抑鬱症患者在說話的時候，會在不同的字詞之間停頓更長時間，因此，整個句子的音影片也就比較長。在處理這種長句子上，因果卷積網路要比迴圈神經網路強。值得提的一件事，就是這項研究成果還入選了NIPS NeurIPS 2018醫療健康機器學習（ML4H）Workshop。今年，日本影星三浦春馬和竹內結子都選擇結束自己的生命，不少日媒揣測，二人做出這樣的選擇皆是抑鬱症導致的。正如開頭提到的“樹洞救援隊”救援隊員所說，在救回輕生的抑鬱症患者後，他們還面臨著另一個更大的問題，那就是陪伴。“我現在生活中的大部分時間都被這些樹洞寶寶（指被救援者）佔據了。有時很疲憊，”一位“樹洞救援隊”的工作人員說，她目前仍和8位被救援者保持著長期聊天關係，“他們給我留言，說自己的困惑，我一般看到後都會馬上回”。除了線上陪伴，一些隊員還想辦法幫助被救援者解決現實困難。例如，曾有人工智慧學者幫一名社交恐懼症患者找到了一份資料標註工作。李凡表示，雖然救援隊員很努力了，但大多時候仍只能解一時之急，在這個時候，自己的努力和親人的理解更加重要。根據另一位工作人員表示，有患者被救回來後，狀態“看起來一天比一天好”，甚至準備回校讀書，但就在一個週末，突然吞藥自盡，生命戛然而止。“我到現在也不知道原因，她週五還在和我聊她微信的新頭像，”她說到，“陪了這麼長時間的人突然走了，是一種很大的衝擊”。“就像魯迅說的，人類的悲歡很多是並不相通的，還是要靠自己走出來。”李凡說。
來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31562039/viewspace-2725931/，如需轉載，請註明出處，否則將追究法律責任。
