倫敦大學學院神經學院的科學家開發了一些新的工具，這些工具基於AI語言模型，可以特徵化被診斷出患有精神分裂症的患者語音中的細微特徵。這項發表在《美國國家科學院院刊》上的研究，旨在了解自動語言分析如何幫助醫生和科學家診斷和評估精神疾病。

目前，精神疾病的診斷幾乎完全依賴與患者及其親近的人交談，血液檢查和腦部掃描等測試只起極小的作用。但是，這種診斷的不精確阻礙了對精神疾病成因的更深入理解，也阻礙了治療效果的監測。

研究人員讓26名患有精神分裂症的參與者和26名對照組參與者完成兩個言語流暢性任務，要求他們在5分鐘內盡可能快地說出屬於“動物”類別的詞或以“ p”開頭的字。為了分析參與者的回答，研究團隊使用了一個AI語言模型，該模型透過訓練大量網路文本來表示詞義，與人類表示詞義的方式類似。他們測試人們自發性回憶的詞彙是否能被AI模型預測，以及精神分裂症患者的可預測性是否降低。

結果發現，對照組參與者的回答確實比精神分裂症患者的回答更可被AI模型預測，這種差異在症狀更嚴重的患者身上最大。研究人員認為這種差異可能與大腦學習記憶和思想之間的關係以及在所謂「認知地圖」中儲存這些資訊的方式有關。在研究的第二部分中，作者利用腦部掃描測量了參與學習和儲存「認知地圖」的大腦區域中的腦部活動，為此理論提供了支持。

第一作者Matthew Nour博士表示，隨著類似ChatGPT這樣的AI語言模型的出現，自動語言分析已經為醫生和科學家所用。這項工作展示了將AI語言模型應用於和語言、意義密切相關的精神病學領域的潛力。他們計劃在更大的患者樣本中廣泛應用這項技術，以測試它在臨床上的用途。如果這些工具被證明是安全和可靠的，他預計它們將在未來十年開始應用於臨床。