儘管經過幾十年的努力，預測誰最有可能死於自殺仍然令人沮喪地困難。依靠患者來透露他們的意圖是行不通的。近 80% 的自殺身亡者在最後一次就診時對醫生和治療師隱瞞了他們的自殺想法。然而，美國中年人的自殺率正在上升，自殺是年輕人死亡的第二大原因。這就是為什麼研究人員一直在緊急尋找可靠的自殺念頭和行為的生物學預測指標。
本週發表在《自然人類行為》上的一份報告提出了一種有趣的新可能性。這項研究將神經成像與機器學習相結合，以探索自殺者的腦部對與生死相關的積極和消極詞語的反應是否不同。“事實證明，他們的反應確實不同，”哈佛大學的臨床心理學家、合著者馬修·諾克說。“我們可以非常準確地預測誰有過自殺念頭，誰沒有——甚至在那些有自殺念頭的人中，誰曾嘗試過，誰沒有嘗試過。”
國家聾啞和其他交流障礙研究所腦成像和建模部門負責人巴里·霍維茨說，儘管這項研究規模很小，但其發現是卓越的。霍維茨撰寫了對這項研究的評論，他對該技術能夠正確分類 17 名自殺受試者中 9 名曾嘗試過自殺的人的能力印象尤其深刻，專家表示，這群人就像大海撈針一樣難以找到。“很難想象有任何其他方法或風險因素可以讓你做出這種區分，”霍維茨說。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保關於塑造我們當今世界的發現和想法的有影響力的故事的未來。
今年早些時候，據報道，機器學習能夠根據健康記錄檢測出自殺風險，準確率達 80% 至 90%，這被認為是一個令人鼓舞的結果。但是這項新的研究之所以突出，是因為它揭示了自殺想法的潛在生物學標誌物。“這不僅僅是一種報告的行為，”卡內基梅隆大學的認知神經科學家、合著者馬塞爾·賈斯特說，“我們獲得了他們關於自殺的實際想法，並且我們看到了它們是如何被改變的。”
這項研究結合了兩條獨立的研究路線。諾克此前曾使用內隱聯想測驗來確定自殺風險。例如，他將與死亡和生命相關的詞語與“像我”和“不像我”配對。當死亡和我配對時，有自殺傾向的人比對照組更快地做出反應的可能性大約高三倍。與其他方法（如醫療評估）相比，該結果已被反覆複製，並已被證明是自殺想法和行為的相對較強的預測指標。
與此同時，賈斯特一直在使用功能性磁共振成像 (fMRI) 來觀察大腦內部。“我們可以看到與想法相對應的模式，”他說。他的技術被稱為神經語義學，它識別的不是詞語而是概念。例如，對於句子老人把石頭扔進湖裡，大腦啟用模式表明有人的參與，發生了運動，並且在視覺化的場景中有一個戶外環境。在單獨的研究中，賈斯特要求受試者（他們是方法派演員）構思諸如憤怒和嫉妒之類的感受，並發現每種感受都有可識別的模式。“情緒具有神經特徵，”賈斯特說。“我們在電腦上有一個關於它們的檔案。”
當賈斯特讀到諾克的研究時，他想知道是否可以在他的掃描器中看到有自殺傾向的人的想法。首先，研究人員詢問了一個機器學習分類器，該分類器嘗試找到特定結果的預測指標，是否可以區分 17 名曾考慮過自殺的受試者和 17 名沒有考慮過自殺的受試者。在 fMRI 掃描器內部，參與者被要求思考一系列與自殺相關的詞語以及特定的積極和消極的想法和感受。（最重要的是死亡、麻煩、無憂無慮、殘忍、讚美和好。）在測量了神經反應模式後，研究人員在 34 名受試者中的 33 名受試者的資料上訓練了機器。然後，他們要求機器確定神秘受試者是否有自殺傾向。分類器以 91% 的準確率完成了這項任務，正確識別出 17 名有自殺傾向的受試者中的 15 名和 17 名對照組中的 16 名。
在研究的第二階段，研究人員使用了賈斯特的情緒特徵檔案來評估四種情緒——憤怒、羞恥、悲傷和驕傲——中的每一種與每個詞語的關聯程度。“透過每種情緒被喚起的程度，分類器可以判斷某人是屬於有自殺傾向的組還是對照組，”賈斯特說。“死亡在有自殺想法的人中引發了更多的悲傷和羞恥。” 基於這些情緒神經特徵的分類在預測自殺念頭方面的準確率為 87%。
對於與死亡相關的詞語，有自殺傾向的人激活了更多與自我參照思維相關的大腦區域。諾克說，這與之前的發現一致。但是對無憂無慮或麻煩等詞語的情緒反應令人驚訝。“那些考慮自殺的人在看到無憂無慮這個詞時，表現出較少的驕傲，而在看到死亡這個詞時，則表現出更多的羞恥，”諾克說。“關於人們如何看待自己，存在著我們以前沒有識別出的這種情緒成分。”
其他自殺學家表示，使用神經特徵來預測自殺風險的想法很有希望，但強調該研究是多麼初步。“這些結果對於工作中的機制以及鑑於任務的密集性和 fMRI 的花費，對臨床意義留下了許多疑問，”猶他大學的臨床心理學家亞歷克西斯·梅說，他沒有參與這項研究。
這項研究的作者同意。他們希望首先複製這項研究，然後調查該技術的臨床可行性，或許透過採用另一種技術，腦電圖或 EEG，它可以監測大腦的電活動。雖然更好地瞭解有自殺傾向的人的大腦顯然具有科學意義，但這種方法是否真的有用還有待觀察。“如果你可以使用三分鐘的行為測試獲得良好的預測，為什麼還要花一千美元把人放入掃描器呢？” 諾克說。“我們正在做的是看看這些方法是否能給我們提供不同的難題。”