如今流行的人工智能模型可能会有新的应用，伦敦大学学院神经病学学院的科学家们基于人工智能语言模型开发了新的工具，以表征被诊断为精神分裂症的患者语音中的细微特征。
这项研究发表在《美国国家科学院院刊》上，旨在了解自动语言分析如何帮助医生和科学家诊断和评估精神疾病。
目前，精神疾病的诊断几乎完全依赖于与患者和他们身边的人交谈，血液测试和脑部扫描等测试起到的作用很小。然而，这一诊断的不准确阻碍了对精神疾病原因的更好了解，并阻碍了对治疗效果的监测。
研究人员让26名精神分裂症患者和26名对照参与者完成两项语言流利性任务，要求他们在五分钟内尽可能快地说出属于“动物”或以“p”开头的单词。
为了分析参与者的反应，研究团队使用了一种人工智能语言模型，该模型训练大量互联网文本表达词义，类似于人类表达词义的方式。他们测试了人工智能模型是否可以预测人们自发回忆的单词，以及精神分裂症患者是否更难预测。
研究发现，与精神分裂症患者相比，对照组参与者的反应确实更容易被AI模型预测，而且在症状更严重的患者中差异最大。研究人员认为，这种差异可能与大脑的学习、记忆和思维之间的关系，以及这些信息存储在所谓的《认知图谱》中的方式有关。
在研究的第二部分，作者使用大脑扫描来测量大脑中参与学习和存储支持这一理论的“认知地图”的大脑区域的活动。
主要作者马修·努尔博士表示，随着ChatGPT等人工智能语言模型的出现，自动语言分析已被医生和科学家使用。这项工作展示了将人工智能语言模型应用于与语言和意义密切相关的精神病学领域的潜力。
他们计划在更大的患者样本中广泛使用这项技术，以测试其临床应用。如果这些工具被证明是安全可靠的，他预计它们将在未来十年开始用于临床。
