耳机还是泳帽？Alphabet新AI计划：从脑电波中诊断抑郁症

Alphabet 公司的Google [X] 实验室近日详细介绍了「琥珀」计划（Amber），旨在使脑电波和血糖一样容易理解。

研究的目的是利用AI相关技术开发用于抑郁和焦虑的测量方法，以支持诊断和治疗。

据美国国立卫生研究院控制和预防中心估计，美国有1730万成年人至少经历过一次重度抑郁发作。

此外，从2016-2017年度到2017-2018年度，美国有严重自杀念头的成年人比例增加了0.15% ，比去年的数据多出46万人。

但是抑郁症在不同的人身上表现不同，不同的人有1000种可能的症状组合。

Amper 团队试图将机器学习技术与脑电图技术结合起来，以测量大脑中的识别活动。

这个灵感来自于一个观察结果: 游戏的任务可以用来测量大脑奖励系统内的处理过程，比如在比赛中获胜后，抑郁的人与非抑郁的人相比，大脑的反应较弱。

Google「X」实验室并不是第一个将机器学习算法应用于脑电图（EEG）读数的。

在去年四月发表的一篇论文中，IBM 的研究人员声称已经开发出一种算法，可以对癫痫发作进行分类，准确率高达98.4% 。

事实上，脑电图已经被广泛用于研究吞咽，分类精神状态，诊断神经精神疾病，如神经性疼痛和癫痫，以及分类情绪等。

Amper 团队花了三年时间研发出一种低成本、便携式、研究级别的系统，以便更容易地收集脑电图数据。

这种耳机就像游泳帽一样，需要3分钟左右的时间来配置，使用位于 Fz、 Cz 和 Pz (用于评估奖励和认知功能的关键通道或电极)中线上的三个传感器。

它具有一个可支持多达32个通道的随行生物放大器，可用于静息状态脑电和事件相关电位的采集，软件可以时间锁定任务进行脑电测量。

除了耳机，Amber 团队还探索了如何利用机器学习方法来减少脑电图记录中不必要的噪音。

他们与 Alphabet 的深度学习研究实验室 DeepMind 合作，采用了非监督表征

学习的方法，演示了像自动编码器这样的方法可以在没有人参与的情况下去除脑电信号(自动编码器通过忽略噪声来学习数据集的表示)

此外，琥珀团队还提供了一个概念验证，即提取与心理健康相关的特征，可以用来根据一位心理健康专家的采访预测临床标签，如重性抑郁障碍和广泛性焦虑症。

与之前的研究不同，琥珀团队声称他们能够为个体参与者而不是团体参与者做这个实验。

「这些方法能够从单次脑电图试验中恢复可用的信号表征”, x 总裁欧比费尔滕在一篇博客中解释说,“这意味着，从大脑电生理学中获取临床有用信息的数据样本可能比传统的研究实验室要少得多，而传统的实验室通常依赖于数百个实验性试验。」

Amper 团队最终未能找到抑郁和焦虑的单一生物标志物。然而，尽管他们遇到了挫折，他们还是发布了在 GitHub 上开发的硬件设计、可视化工具和刺激工具。

这款耳机现在和软件已经与佛罗里达州立大学合作完成了一项研究。此外，琥珀团队承诺不会对琥珀的硬件申请专利，并将50个未使用的脑电图头戴设备捐赠给 Sapien 实验室。Sapien 实验室运营着一个“人脑多样性项目”(Human Brain Diversity Project) ，支持低收入国家和未被充分代表的群体开展脑电图研究。

我们希望开源我们的脑电图系统和发表我们的机器学习技术不仅对脑电图专家有价值，而且对更广泛的心理健康研究团体也有价值，他们可能因为之前研究脑电图的复杂性和成本而退缩，」费尔滕写道，「在现实世界中使用技术支持的心理健康测量工作的道路上有许多陷阱，还需要做更多的研究... ... 要应对当今的挑战，需要科学家、临床医生、技术专家、政策制定者和有生活经验的个人之间建立新的伙伴关系。」