近年人工智慧及機器學習（machine learning）等科技進步神速，除了能準確預測選舉結果外，最近科學家發現，機器學習能用以分析病人的語言或文字，幫助精神科臨床醫師評估病人是否具有自殺傾向，及早提供適當的治療。
該研究發表於《自殺與自殘行為》（Suicide and Life-Threatening Behavior）期刊，發現機器學習鑑別精神疾病的準確度達 85%，而辨認自殺傾向的準確度更加高達 93%。
研究由美國辛辛那提兒童醫院醫學中心（Cincinnati Children’s Hospital Medical Center）的科學家進行，檢查了來自三家醫院共 379 名病人。
研究的首席科學家，生物醫學資訊學及精神科教授約翰·佩斯提安（John Pestian）博士解釋：「自殺的人往往承受極大的痛苦及社會上的挫折。雖然基礎科學能提供與自殺相關的生物標記，但電腦科學則能找出自殺思想的痕跡。」
參與研究的病人被分為三個小組：有自殺傾向、有精神疾病但沒有自殺傾向以及對照組。實驗中，醫務人員為病人進行標準行為評估以及詢問一系列的問題，比如「你是否抱有希望？」「你憤怒嗎？」「情緒受傷害嗎？」，然後利用機器學習演算法衡量這些寫下或是說出來的想法，找出具自殺傾向或患精神疾病的病人。
憑準確度來看，佩斯提安認為該研究顯示機器學習可以成為一個實用而客觀的工具，幫助臨床醫師決定是否有需要干預有自殺傾向的病人。
佩斯提安總結：「這計算方法或能為自殺護理提供大規模創新的機會。」並表示這方法可以應用於學校、避難所、少年感化院和社區中心，提早發現並減少自殺發生率和死亡率。
參考資料：
- John P. Pestian et al., A Machine Learning Approach to Identifying the Thought Markers of Suicidal Subjects: A Prospective Multicenter Trial, Suicide and Life-Threatening Behavior, 2016