伦敦大学学院神经学院的科学家开发了一些新的工具，这些工具基于AI语言模型，可以特征化被诊断患有精神分裂症的患者语音中的细微特征。这项发表在《美国国家科学院院刊》上的研究，旨在了解自动语言分析如何帮助医生和科学家诊断和评估精神疾病。

目前，精神疾病的诊断几乎完全依赖于与患者及其亲近的人交谈，血液检查和脑扫描等测试只起极小的作用。但是，这种诊断的不精确阻碍了对精神疾病成因的更深入理解，也阻碍了治疗效果的监测。

研究人员让26名患有精神分裂症的参与者和26名对照组参与者完成两个言语流畅性任务，要求他们在5分钟内尽可能快地说出属于“动物”类别的词或以“p”开头的词。为了分析参与者的回答，研究团队使用了一个AI语言模型，该模型通过训练大量互联网文本来表示词义，与人类表示词义的方式类似。他们测试人们自发回忆的词是否能被AI模型预测，以及精神分裂症患者的可预测性是否降低。

结果发现，对照组参与者的回答确实比精神分裂症患者的回答更可被AI模型预测，这种差异在症状更严重的患者中最大。研究人员认为这种差异可能与大脑学习记忆和思想之间的关系以及在所谓“认知地图”中存储这些信息的方式有关。该研究的第二部分中，作者利用脑扫描测量了参与学习和存储“认知地图”的大脑区域中的脑活动，为这一理论提供了支持。

第一作者Matthew Nour博士表示，随着类似ChatGPT这样的AI语言模型的出现，自动语言分析已经为医生和科学家所用。这项工作展示了将AI语言模型应用于和语言、意义密切相关的精神病学领域的潜力。他们计划在更大的患者样本中广泛应用这项技术，以测试它在临床中的用途。如果这些工具被证明是安全和可靠的，他预计它们会在未来十年开始应用于临床。