一项新的研究显示，一种人工智能工具在大流行早期有效地检测到医院工作人员与治疗师的对话中的痛苦，这表明一种潜在的新技术可以筛查抑郁和焦虑。

　　由于冠状病毒大流行迫使许多医院超负荷运转，医务工作者面临着大量的轮班、有限的休息和COVID-19感染风险的增加。与此同时，隔离政策和对感染家人的恐惧减少了他们获得社会支持的机会，两者加在一起增加了医疗差错和倦怠的风险。

　　因此，在这一时期，提供足不出户就能获得治疗的虚拟心理治疗蓬勃发展。研究人员利用相关的数字化会话记录洪流来识别患者使用的常用短语，并使用一种称为自然语言处理(NLP)的技术将这些术语与精神疾病联系起来。在这种方法中，计算机算法通过数据进行梳理，以确定捕获文本主体含义的关键字。每位患者的所有身份信息都被删除，以保护他们的隐私。

　　由纽约大学格罗斯曼医学院的研究人员领导，分析了800多名医生、护士和急救医务人员的治疗记录。还包括820名在美国第一波COVID-19期间接受心理治疗但不在医疗保健行业工作的人的成绩单。

　　研究结果显示，在医护人员中，与没有讨论这些话题的医护人员相比，那些专门与治疗师谈论在医院工作、睡眠不足或情绪问题的医护人员更有可能被诊断为焦虑和抑郁。

　　相比之下，在讨论大流行或他们的工作(使用“团队”、“经理”和“老板”等术语)时，其他领域的工人没有看到这种风险。

　　该研究的主要作者马泰奥·马尔加罗利博士说:“我们的研究结果表明，在疫情最严重的时刻，那些在医院工作的人除了面临与工作相关的常规压力外，还面临着独特的挑战，这些压力使他们面临严重精神健康问题的高风险。”Malgaroli是纽约大学朗格尼健康中心精神病学研究助理教授。

　　根据Malgaroli的说法，该报告于10月24日在线发表在《医学互联网研究人工智能杂志》上，是NLP首次应用于识别医护人员心理困扰的标志。

　　在这项研究中，研究小组收集了2020年3月至2020年7月期间美国各地寻求远程治疗的男性和女性的数据。然后，研究人员使用NLP程序来回顾治疗前三周的会话记录。

　　在调查结果中，医护人员分享了关于行医的四个对话主题:与病毒相关的恐惧、在医院和重症监护室工作、患者和口罩以及医疗保健角色。与此同时，在其他领域工作的人的治疗记录只包含一个关于大流行的主题，一个与他们的工作有关。

　　尽管在那些讨论过在医院工作的人中，焦虑和抑郁的总体风险增加的比例很小(3.6%)，但研究作者表示，随着数据的增加，他们希望该模型能捕捉到更多的痛苦迹象。

　　“这些结果表明，自然语言处理可能有一天会成为检测和追踪焦虑和抑郁症状的有效筛查工具，”该研究的资深作者、纽约大学朗格尼分校精神病学教授、精神病学博士内奥米·西蒙(Naomi Simon)说。

　　西蒙也是纽约大学朗格尼分校精神病学部副主任，他指出，使用这种方法的另一个潜在的未来方向可能是为医护人员提供一种秘密记录自己回答简短问题的方法。然后可以使用NLP算法分析这些反应，以计算精神健康状况的风险，如抑郁症或焦虑症。然后，这些反馈将秘密地提供给使用该工具的卫生保健工作者，他们可能会被提示寻求帮助。

　　研究人员警告说，该报告只反映了患者在治疗初期的精神状态。因此，该团队下一步计划探索随着治疗的进展，讨论话题是如何随着时间的推移而变化的。

　　这项研究的资金由美国国立卫生研究院提供，赠款KL2TR001446, R44MH124334和R01MH125179。进一步的研究支持由美国自杀预防基金会、美国国防部和以患者为中心的结果研究所提供。移动心理治疗公司Talkspace为分析提供了数据，但没有参与这项研究。

　　Simon为生物技术公司Axovant Sciences和Genomind、制药公司Springworks Therapeutics、Praxis Therapeutics和Aptinyx以及信息服务公司Wolters Kluwer提供咨询服务。她还拥有开发癌症治疗方法的G1 Therapeutics公司的配偶股权。这些安排的条款和条件将按照纽约大学朗格尼分校的政策进行管理。

　　除了马尔加罗利和西蒙，参与这项研究的另一位纽约大学研究者是艾玛·詹宁斯，理学学士。其他研究人员包括Emily Tseng, MS;以及纽约州伊萨卡市康奈尔大学的Tanzeem Choudhury博士;以及纽约Talkspace的托马斯·赫尔博士。