醫(yī)療+AI：AI腦電波診斷法 機器學習技術與EEG相結合

原標題：3.5億抑郁癥患者背后，谷歌AI做了什么？

抑郁癥，似乎離我們很近又很遠。

我們會在社交網絡上得知名人抑郁自殺的消息，但殊不知在他們背后，還有更多普通人正在飽受抑郁癥的困擾。

據世界衛(wèi)生組織（WHO）統(tǒng)計，目前全球范圍內大約有 3.5 億人患有抑郁癥。我國泛抑郁人數已超過 9500 萬人，每10個人中就有1人飽受抑郁癥的折磨。

此外，抑郁癥已成為自殺傾向的最大隱患。據美國國立衛(wèi)生研究院（U.S.National Institutes of Health）估計，美國約有1730萬成年人至少有過一次嚴重的抑郁癥發(fā)作。從2016-2017年到2017-2018年間，有過嚴重自殺想法的成年人比例上升了0.15%。

為了應對攀升的患病率和自殺率，谷歌母公司Alphabet X 實驗室發(fā)起成立了“Amber”項目，該項目旨在通過人工智能技術解決早期的心理健康問題。

近日，該研究團隊稱，他們發(fā)現利用AI分析腦電波診斷抑郁癥，可以讓腦電波像血糖檢測一樣容易理解。更重要的是，該方法能夠將抑郁和焦慮的情緒轉化為客觀、精準的測量值，支持抑郁癥的診斷和治療。

AI腦電波診斷法

頭痛、乏力，莫名的悲傷、對任何事情提不起興趣，這是不是抑郁癥的表現？在快節(jié)奏的社會生活下，相信很多人都問過自己這個問題。

然而，判斷是否患有抑郁癥并不那么簡單。有專家表示，抑郁癥有1000種可能的癥狀組合，在不同的人身上表現不同。

傳統(tǒng)的評估方法主要取決于與臨床醫(yī)生的談話或調查，如PHQ-9或GAD-7，但該方法過于主觀。對此，Amber項目小組提出了將機器學習技術與腦電圖（EEG）相結合的輔助方法。

該方法可以將腦電波產生的抑郁和焦慮情緒轉化成客觀測量指標，讓抑郁癥診斷像血糖檢測一樣快速又精準。

Amber項目成員包括神經科學家，硬件和軟件工程師，機器學習研究人員和醫(yī)學技術專家。他們介紹稱，將機器學習技術與EEG相結合的研究思路主要是受到神經科學研究的啟發(fā)。

這些研究表明，大腦中形成的某些特定電波與抑郁癥狀相對應。

因此，他們設計了一項類似的游戲，讓參與者在完成任務的同時使用腦電圖（EEG），結果，通過分析大腦內獎賞系統(tǒng)的處理過程，他們發(fā)現：與未患有抑郁的人相比，抑郁者在游戲中獲勝后的大腦反應更容易被抑制。

抑郁者和未抑郁者在獎勵反應上的差異

這一鈍化的大腦反應已經在多項神經科學研究中被證實，因此，該結果也再次驗證了機器學習算法與EEG相結合方法的準確性。

另外，Amber項目團隊也并不是第一個提出該研究思路的人。早在去年4月發(fā)表的一篇論文中，IBM研究人員將機器學習與EEG相結合開發(fā)出了一款AI算法，該算法能夠對癲癇病發(fā)作進行分類，準確率高達98.4％。

事實上，EEG已被廣泛用于研究吞咽，精神狀態(tài)分類，診斷神經精神疾病（例如，神經性疼痛和癲癇癥）以及情緒分類等多項研究中。

易于收集和理解的腦電波

需要說明的是，以上測試僅是在實驗室條件下進行的科學試驗。

如果該方法被廣泛用于診斷、治療抑郁癥患者，還需要解決兩項主要問題：一是使EEG數據更容易收集；二是使EEG數據更易于解釋。

針對第一項，Amber團隊耗時三年時間創(chuàng)建了一個低成本，便攜式的研究級的腦電圖系統(tǒng)。

圖中的頭戴式耳機像一個游泳帽，大約需要三分鐘來配置，使用了沿中線Fz、Cz和Pz的三個傳感器（用于評估獎勵和認知功能的關鍵通道或電極）。右側是一個隨附的生物放大器，最多支持32個通道，可用于采集靜息狀態(tài)腦電圖和事件相關電位，并通過軟件對腦電圖測量任務進行時間鎖定。

針對第二項，Amber團隊使用機器學習新方法來減少EEG錄音中的有害噪聲。

他們與DeepMind合作，通過借鑒無監(jiān)督學習的表示方法，證明了可以利用自動編碼器之類的方法對EEG信號進行有效降噪，而且無需人工干預。（自動編碼器通過忽略噪聲來學習數據集的表示形式。）

此外，Amber團隊還提供了一種概念證明，即提取與心理健康有關的特征，可用于預測臨床標簽。

根據一位心理健康專家的臨床訪談，研究人員利用從自動編碼器中分離出的這些特征來預測一些臨床癥狀，如重癥抑郁障礙和焦慮癥。 與以前的研究不同，該項研究能夠為個體參與者（而不是一個群體）服務，這對于使其在臨床應用中發(fā)揮作用至關重要。

對此，X LAB負責人Obi Felten在博客中也強調說，

該方法能夠從單一的腦電圖試驗中恢復可用的信號，這意味著，從腦電生理學中獲得臨床有用的信息是有可能的，而數據樣本要比傳統(tǒng)研究實驗室中使用的少得多。一般傳統(tǒng)研究通常需要數百個實驗做支持。

項目開源

遺憾的是，該研究未成功發(fā)現確定抑郁和焦慮的單一生物標志。

不過，Am團隊相信技術在應對心理疾病復雜性方面還擁有巨大潛力，因此，他們在GitHub上發(fā)布了該項研究的軟件代碼，希望當前研究成果能夠對腦電圖專家，對更廣泛的心理健康研究發(fā)揮價值。

https://github.com/google/x-amber

此外，Amber團隊承諾不會在硬件上主張其專利，并向Sapien Labs捐贈50臺未使用的EEG頭戴式耳機，Sapien Labs主要運行人腦多樣性項目，以支持低收入國家和代表性不足的群體EEG研究。

最后，研究負責人Felten在博客中寫道，“在現實世界中，要想用技術支持心理健康測量并發(fā)揮作用，實際上困難重重，需要做更多的研究……而解決今天的挑戰(zhàn)將需要科學家、臨床醫(yī)生、技術人員、政策制定者和有生活經驗的個人之間建立新的合作關系。”