在《致青春》里，陈孝正因为听到郑微向他表白而脱口而出“你神经病啊！”然而你可别笑，人们通过说话的内容和方式传达思想，说话的语调、词汇选择和语句长度都是理解对方思想的关键线索。

而在精神病领域，当医生或者心理医生检查患者的时候，他们会倾听这些语言信号来获取病人的健康状况，再凭借医生过往的经验来指导对患者的判断。

而现在，研究者们现在正在通过机器学习功能，应用与此相同的方法，来诊断患有精神障碍的病人。

2015年，一个研究团队研制出一种人工智能模型，它通过分析一群年轻人谈话的文字稿，成功预测出他们当中谁将会有精神错乱问题，（精神错乱是精神分裂的一个主要特征）。这个模型将问题聚焦在能体现精神错乱的言语抽动，比如使用短句子、表达混乱、频繁使用“这个”“那个”“一个”等词语，以及句子间的含义混乱。

▲在希区柯克的经典电影《惊魂记》里，患有精神疾病的儿子在被捕前一直喃喃自语

现在，NeuroLex Diagnostics公司的CEO兼工程师Jim Schwoebel想要基于上述研究来制造一种工具，帮助初级保健医生检查他们的病人是否患有精神障碍。该公司的产品可以通过智能电话或者其他设备（安装在视线之外的墙上）来记录患者会诊的情况。

接着，产品利用人工智能模型可以从患者讲话的文字稿中寻找到语言线索，将它的发现以数字形式展示，就像血压读数一样，精神病医生可以将这个读数作为诊断的依据。并且，因为算法在越来越多的病患中不断训练学习，它得出的读数可以更好的反映患者的精神状态。

除了精神分裂症的筛查外，Schwoebel还因为另一个创意获得了美国精神病协会的嘉奖。NeuroLex公司希望研制一种工具来帮助已经入院治疗的精神病患者。不同于帮助医生从单一案例中诊断精神错乱症状，这种人工智能可以通过长期测试患者谈话来跟踪他们的治疗过程。

对Schwoebel来说，这项工作也有私人目的，他觉得这个方法也许可以解决他哥哥所面临的精神分裂症治疗的问题。在他哥哥第一次精神病爆发之前，就表现出一些令人担忧的不正常现象，比如发出短的或一个词语的回应、说话时倾向于说到“这里”“那里”等等。

Schwoebel说：“在哥哥的第一次精神发病经历后，之前的表现都说得通了。”

在Schwoebel的哥哥求助于精神病医生并最终得到诊断结果前，他至少进行过10次以上的初级保健会诊。在这之后，他哥哥陷入了一次又一次的药物治疗失败中。多年来，他哥哥经历了三次精神病发作，终于得到了正确的诊断和有效的养生治疗方法。多次失败的药物治疗让Schwoebel不禁在想，如何让患者尽快地得到正确的处方？

为了寻找答案，NeuroLex公司计划开展一项“前—后研究”，研究已经入院治疗的精神错乱症患者在患病期间的语言模式是如何变化的。理想状态下，人工智能会分析患者在精神康复治疗中记录的样本，比较哪种药物更有效，从而减少患者在医院治疗的时间。

如果在使用一种药物治疗后，患者的谈话显示出更少的抑郁症或双相性情感障碍信号，那么这种工具可以帮助说明药物是有作用的。如果患者的谈话没有呈现明显变化，人工智能会建议立刻尝试其他药物，使病人减少痛苦。

并且，一旦人工智能收集到足够的数据，它可以根据其他有相同说话模式的患者的案例，推荐适合的药物。几十年来。自动诊断的方法已经在药物领域有了更加广泛的应用。一家公司声称，他们的算法在识别肺癌的精确度上比人类放射科医生高出50%。

这种用更加客观、量化的评估来帮助精神科临床医生进行诊断的可能性吸引了马塞住萨州综合医院的精神病医生Arshya Vahabzadeh，他现在是Schwoebel联合创办的启动加速器基金的资深顾问。他表示：“精神分裂症涉及到一系列可观察到或可诱发出的症状，而不是一个包罗万象的诊断。如果有足够庞大的数据设定，人工智能就可以根据观察到的病人的共同特点，将一些类似精神分裂症的诊断划分到更精确更有帮助的类别里。我认为这些数据可以帮助我们队一些情况再分类，这点我们之前是无法做到的。”

Vahabzadeh补充道：“跟其他药物介入治疗一样，人工智能的帮助需要继续研究和证实，这是我要重点强调的。Schwoebel也这么认为。”尽管精神错乱预测的研究显示语言分析可以合理地正确地预测精神错乱，但这仍然只是一项研究。目前并没有人发表对抑郁症或双相性情感障碍的观点证明。

机器学习是一个热门领域，但是它仍然有很长的路要走，机器本身和机器之外都有很多方面需要继续研究。例如，Siri多年来都在解决苏格兰用户的指令和问题。对于精神病的治疗，像这样的小问题可能酿成大祸。“如果你告诉我一项技术在实践上有20%的错误率或者只有80%的正确率，我不会将它应用到病人身上。”Vahabzadeh如是说。（编者注：人工智能产品得以应用的前提一般会要求95%以上的准确率，而在实践中，从95%到99.5%的跨越通常被认为是一个重要分水岭，到达这个准确度后，人工智能加上人类辅助判断的方式将大大提高工作效率）

当考虑到患者年龄、性别、种族、人种或地区时，这种风险将更加难以承受。一个人工智能被训练分析的语言样本全部来自同一人群团体，那么这个团体之外的正常样本可能会被判断为不正常。

“如果你来自一个特定的文化群体，你可能说话比较温柔，音调较低，那么人工智能也许会错误地认为你患有抑郁症。”Schwoebel说到。

但是Vahabzadeh仍然相信，这样的科技总有一天会帮助临床医生治疗更多的人，更有效的治疗病人。更重要的是，鉴于全美精神病康复治疗人员的不足，如果人们不采取划算的解决方式，我们不得不以某种方式利用科技来支援医生。