智东西（公众号：zhidxcom）
编 | 子佩
智东西11月4日消息，Alphabet的X实验室昨日在官方博客中详细介绍了其用于诊断、治疗抑郁等心理疾病的Amber项目。
该项目旨在通过机器学习等方法检测抑郁患者的脑电图，从而更容易地研究不同心理疾病。虽然在三年的漫长研究后，Amber最终并未完成该目标，但其研发的头戴式耳机、自动降噪等技术对未来的脑电研究和精神疾病诊断仍有重大意义。
博客链接：https://blog.x.company/sharing-project-amber-with-the-mental-health-community-7b6d8814a862
一、抑郁困局逐年严重，脑电AI辅助诊断
根据美国卫生研究院（National Institutes of Health）调查，估计有1730万美国成年人曾至少有过一次严重的抑郁症发作。从2016年度到2017年度，有过自杀念头的美国成年人比例增加了0.15％，比去年增加了46万人。
但是，抑郁症有1000种可能的症状组合，不同的人可能有不同的症状表现。现在的抑郁诊断主要依靠临床医生面诊或PHQ-9、GAD-7等心理量表。
Amber项目试图通过机器学习与脑电图（EEG）探测脑电活动，从而判断被检测者是否患有精神疾病。以往的实验表示，类似游戏的任务可用于评估大脑奖励系统的处理过程。与普通人相比，抑郁症患者即使在比赛获胜后，大脑也容易处于压抑状态。
Alphabet X实验室并不是第一个将机器学习算法应用于脑电图的机构。在去年4月发表的论文中，IBM研究人员声称已开发出一种可以对癫痫进行分类的算法，准确率高达98.4％。实际上，脑电图已被广泛用于研究吞咽、精神状态分类、情绪分类以及如癫痫和神经性疼痛的精神疾病诊断。
二、降噪、特征提取多技术融合，提取EEG信号
Amber团队花了三年时间创建了一个低成本、便携式、研究级、可像泳帽一样滑动的头戴式耳机，旨在更容易地收集EEG数据。
该耳机大概需要三分钟来完成配置，通过耳机中线上的三个传感器以及支持多达32个通道的生物放大器，可将EEG数据及相关的电位记录到测量软件上。
除了头戴式耳机外，Amber团队还在探索如何使用机器学习方法来减少EEG中的噪声。他们与Alphabet深度学习实验室DeepMind合作，改进了无监督表征学习中的方法，利用诸如自动编码器等的方法对EEG信号进行自动降噪，而无需人工干预。
此外，Amber团队也表示，基于心理医生诊断，他们可以提取相关的心理健康特征，用于预测如重度抑郁症和广泛性焦虑症等临床症状。
三、开源脑电监测技术，称不申专利！
Amber团队负责人Obi Felten在博客中解释说：“头戴式耳机、心理健康特征等方法都是为了能从单次EEG数据中复原出有价值的信号表征，用于研究心理疾病。传统实验室通常需要进行数百次实验获得这些数据，但通过这些方法我们可以用更少的数据，获得更多临床信息。”
但即使得到了更多临床信息，Amber团队依旧未能成功找到可以检测抑郁、焦虑等心理疾病的单一指标，他们选择在GitHub上开源了硬件设计、可视化工具等研究成果。
佛罗里达州立大学公布的一项研究中就曾采用了Amber的耳机和配套软件。
此外，Amber团队承诺不会申请Amber硬件的专利，并向Sapien Labs捐赠50台EEG头戴式耳机，用于脑科学研究组织Sapien Labs的EEG研究。
结语：探脑电秘密，需携手共进
虽然Amber团队并未实现当初的目标，通过脑电监测更智能地进行精神疾病的诊断、治疗，但也已为今后的研究提供了更多的思路和可参考的经验。
“我们希望将EEG系统和配套的机器学习技术开源，这不仅有利于EEG研究，而且对精神疾病研究也有价值。不希望精神疾病研究因为EEG采集的复杂性和成本而受阻。”Felten写道，“但通过技术去诊断、治疗心理疾病仍存在许多技术困难，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、工程师、政策制定者和患者之间共同合作努力。”
参考信源： VentureBeat
