从文本中评估自杀风险

MIT News — Artificial Intelligence 2026/09/24 21:00 论文

摘要

MIT研究人员开发了一种语言处理工具，利用文本分析来评估自杀风险，相关研究发表于《精神病理学与临床科学杂志》（Journal of Psychopathology and Clinical Science），并有潜力应用于危机咨询。

当人们在心理健康危机中寻求帮助时，咨询师的首要任务是识别那些有高自杀风险的人。痛苦者的语言包含了关键线索，而麻省理工学院麦戈脑研究所的科学家开发的一种新工具，旨在捕捉并快速评估这些信号。该语言处理工具由Daniel Low开发，他曾是高级研究科学家<a href="https://mcgovern.mit.edu/profile/satrajit-ghosh/">Satra Ghosh</a>的<a href="https://sensein.group/">Senseable Intelligence Group</a>的研究生，现为<a href="https://childmind.org/" target="_blank" title="https://childmind.org/" rel="noopener" data-ogsc="" data-outlook-id="792c5b6d-1e4b-4e92-89cf-82324f1df850">Child Mind Institute</a>的研究科学家，领导其<a href="https://childmind.org/science/advancing-methods/dair/arc-lab/" target="_blank" title="https://childmind.org/science/advancing-methods/dair/arc-lab/" rel="noopener" data-ogsc="" data-outlook-id="4cb33908-fc61-4ab7-8b6f-2661185d0a0d">AI, Risk, and Contemplative Science Lab</a>，同时也是哈佛大学的访问学者。它使用一个定制的词汇表，其中包含与49个自杀风险因素相关的词语和短语，搜索文本中的这些内容以评估个人的风险。Ghosh、Low及其同事<a href="https://psycnet.apa.org/fulltext/2028-28243-001.html" target="_blank">在《精神病理学与临床科学杂志》（Journal of Psychopathology and Clinical Science）上报告</a>，他们的工具能够准确预测与危机咨询师文本对话中的自杀风险。该工具已经开始帮助澄清在危机时刻哪些自杀风险因素最为重要。经过更多验证后，它可能在临床环境和危机支持情况中用于风险评估。识别关键风险因素自杀企图众所周知难以预测。数十种风险因素与自杀相关，即使受过训练的临床医生也难以在那些有某种形式自杀意念的人中识别出谁会企图自杀。可能使自杀想法和行为更易发生的因素包括某些精神症状和障碍，如抑郁症、边缘型人格障碍和创伤后应激障碍，以及环境和社会压力，如贫困、监禁、歧视和孤独。Low说：“你会看到所有这50个风险因素，它们都以我们不太理解的方式相互作用。许多不同的路径可能导致一个人觉得想逃避内心的痛苦，”他说——而很难知道哪条路径会导致自杀企图或死亡。Ghosh和Low希望了解在心理健康危机期间，咨询师和临床医生应最关注哪些风险因素。为此，他们与Crisis Text Line合作，该组织的训练有素的志愿者为痛苦中的人提供保密的基于文本的支持。Crisis Text Line是一个全球心理健康非营利组织，为需要帮助的人提供免费、24/7、保密的心理健康支持，它提供了专门培训和对受限制数据集的受控访问。研究人员分析了大约16,000次与Crisis Text Line志愿者危机咨询师对话的匿名化文本。根据Crisis Text Line的评估，这些对话被分为三个不同的风险级别：非自杀性、有自杀意念但无迫切风险、以及迫切风险。正是这个迫切风险组——那些有自杀计划或在接下来48小时内有死亡意图的人——研究人员最想了解。Low说：“我们想知道哪些症状类型能预测最高的自杀风险。”他说，这个问题之前已经研究过——但通常通过流行病学调查，要求个人回忆他们的症状和经历，往往是在心理健康危机过去之后。相比之下，他说，“Crisis Text Line给了我们一个机会，在人们处于危机中时评估许多不同的症状和潜在风险因素。”解读字里行间在分析危机热线文本之前，研究团队建立了一个自杀风险词汇表。他们利用人工智能生成了一个与已确立的自杀风险因素相关的初步词语和短语列表，包括与自杀意念、自杀企图和自杀死亡相关的因素。然后他们手动审查并筛选了该列表。他们的最终词汇表为每个49个风险因素包含大约60个词语或短语，每个的相关性都由专家临床医生确认。然后他们训练了一个机器学习模型，在危机对话中搜索词汇表中的词语和短语，并使用这些来预测自杀风险。因为词汇表将每个词语或短语与特定的风险因素联系起来，他们可以利用这些数据确定哪些风险因素与危机人群中的迫切风险最密切相关。他们的发现与先前研究中发现的模式一致，尽管并不总是直观的。例如，抑郁症是众所周知的自杀意念风险因素，但他们的模型发现，提及致命手段和物质使用更可能由最高风险组表达，而不是抑郁情绪或疲劳。表达主动自杀意念和自残也是强有力的预测指标。中间预测指标包括焦虑、创伤后应激障碍和情感痛苦。预测模型根据每个风险因素对风险的贡献分配权重。例如，提及自杀的致命手段，如“割”或“药片”，被赋予了较高的权重，而与绝望相关的术语，如“不知道该怎么办”或“无望”，贡献程度较小。在训练模型后，团队发现他们可以使用它准确预测新对话中的风险严重程度，而这些对话是模型之前未见过的。研究人员指出，词汇表的一个局限性是它们不考虑术语的上下文，并且可能错过与词汇表中相似但未明确包含的术语。大型语言模型具有推理能力，Low和同事在其他项目中已经开发出使用大型语言模型检测自杀风险的方法。然而，他们说他们通常并行使用词汇表，以保证标记某些术语，同时维护数据隐私。Low强调，虽然团队利用了大型语言模型的力量来开发其词汇表，但其预测模型是一个更简单的、“轻量级”模型。与需要大量计算能力的大型语言模型不同，它可以在个人计算机上轻松运行，降低了成本和隐私问题。同样重要的是，它是可解释的：而不是像一些深度学习模型那样仅仅生成风险估计，它告诉用户如何得出结果。可以标记出令人关切的词语，以便用户理解每次评估的基础并据此行动。他们正在大型语言模型上开发类似的可解释性方法。这至关重要，因为风险很高。Ghosh说：“这是一个如此复杂的领域，我认为在很长很长一段时间内，人类参与循环将是至关重要的。”他是麦戈脑研究所开放神经科学数据倡议的主任。同样，研究人员补充说，任何预测模型在临床使用前都必须经过彻底验证，并可能需要持续改进，以跟上语言使用或目标人群的变化。因为可靠的词汇表为理解心理健康开辟了新途径，Ghosh和Low广泛分享了他们的自杀风险词汇表，以及他们开发的用于构建它的软件包。

查看原文

查看缓存全文

缓存时间: 2026/09/25 02:41

# 从文本中评估自杀风险来源：https://news.mit.edu/2026/estimating-suicide-risk-from-text-0924 当人们在心理健康危机中寻求帮助时，咨询师的首要任务之一就是识别出具有高自杀风险的人群。困境中的个人所使用的语言蕴含着关键线索，麻省理工学院麦戈文脑研究所的科学家们开发了一种新工具，旨在捕捉并快速评估这些信号。该语言处理工具由前博士生丹尼尔·洛（Daniel Low）开发。他曾师从高级研究科学家萨特拉吉特·戈什（Satrajit Ghosh）（https://mcgovern.mit.edu/profile/satrajit-ghosh/）领导的感知智能小组（https://sensein.group/），目前是儿童心理精神科研究所（https://childmind.org/）的研究科学家，负责该所的AI、风险与冥想科学实验室（https://childmind.org/science/advancing-methods/dair/arc-lab/），同时也是哈佛大学的访问学者。该工具使用了一个定制的词汇表，包含与49个自杀风险因素相关的词语和短语，在文本中搜索这些内容，并以此来评估个人的风险。戈什、洛及其同事今天在《精神病理学与临床科学杂志》（https://psycnet.apa.org/fulltext/2028-28243-001.html）上报告称，他们的工具能够准确地从与危机咨询师的文本对话中预测自杀风险。该工具已经在帮助明确哪些自杀风险因素在危机时期最为重要。经过进一步验证，它有望在临床环境和危机支持场景中协助进行风险评估。 **识别关键风险因素** 自杀事件极难预测。数十种风险因素与自杀相关，即使是训练有素的临床医生也难以在具有某种自杀意念的人群中识别出谁会尝试自杀。可能导致自杀想法和行为的因素包括某些精神症状和障碍，如抑郁症、边缘型人格障碍和创伤后应激障碍，以及环境和社会压力源，如贫困、监禁、歧视和孤独。 “你看到所有这些50个风险因素，它们以我们不真正理解的方式相互作用，”洛说。“许多不同的途径都可能导致一个人想要逃避内心的痛苦，”他说——而要判断哪条途径会导致自杀未遂或死亡，是极具挑战性的。戈什和洛希望理解，在心理健康危机期间，咨询师和临床医生最应该关注哪些风险因素。为此，他们与“危机热线”（Crisis Text Line）合作，该组织的训练有素的志愿者为处于困境的人们提供基于文本的保密支持。 “危机热线”是一个全球性的心理健康非营利组织，为有需要的人提供免费、全天候、保密的心理健康支持。它为研究人员提供了专门培训，并允许其访问这个受限制的数据集。研究人员分析了约16,000段与“危机热线”志愿危机咨询师对话的匿名文本。根据“危机热线”的评估，这些对话被分为三个不同的风险等级：无自杀风险、有自杀意念但无迫在眉睫的风险，以及迫在眉睫的风险。研究人员最希望理解的正是这个“迫在眉睫的风险”群体——那些有自杀计划，或在未来48小时内有死亡意图的人。 “我们想知道哪些类型的症状预示着最高的自杀风险，”洛说。这个问题以前也有研究过，他说——但通常是通过流行病学调查，让人们在心理健康危机过去后回忆自己的症状和经历。相比之下，他说，“危机热线让我们有机会在人们经历危机时评估许多不同的症状和潜在风险因素。” **解读言外之意** 在分析危机热线文本之前，研究团队构建了一个自杀风险词汇库。他们利用人工智能生成了一个初步的词汇列表，其中包含与已确立的自杀风险因素（包括与自杀意念、自杀未遂和自杀死亡相关的因素）相关的词语和短语。然后，他们手动审查并整理了这个列表。最终的词汇库包含约49个风险因素，每个因素约有60个词语或短语，并且每个词语或短语的相关性都由专家临床医生确认。接着，他们训练了一个机器学习模型，用于在危机对话中搜索其词汇库中的词语和短语，并利用这些信息来预测自杀风险。由于词汇库将每个词语或短语都与特定的风险因素相关联，他们可以利用这些数据来确定在危机人群中，哪些风险因素与“迫在眉睫的风险”最为密切相关。他们的发现与之前研究中发现的模式一致，尽管并不总是直观的。例如，抑郁症是众所周知的导致自杀意念的风险因素，但他们的模型发现，比起抑郁情绪或疲劳，最高风险群体更有可能表达出关于致命手段和物质使用的内容。表达主动的自杀意念和自伤行为也是强有力的预测指标。中等预测指标包括焦虑、创伤后应激障碍和情感痛苦。预测模型根据每个风险因素对风险的贡献程度为其分配权重。例如，提到自杀的致命手段（如“割”或“药丸”）被赋予了很高的权重，而与绝望相关的术语（如“不知道该怎么办”或“绝望”）的贡献程度较低。在训练好模型后，团队发现他们可以利用该模型准确预测新的、模型之前未曾见过的对话中的风险严重程度。研究人员指出，词汇库的一个局限性在于它们不考虑术语的语境，并且可能会遗漏那些与词汇库中的术语相似但未明确包含的术语。大型语言模型具有推理能力，洛及其同事在其他项目中已经开发了使用大型语言模型检测自杀风险的方法。然而，他们表示，他们经常并行使用词汇库来保证标记某些术语，同时也为了维护数据隐私。洛强调，虽然团队利用大型语言模型的力量来开发其词汇库，但他们的预测模型是一个更简单、“轻量级”的模型。与需要巨大计算能力的大型语言模型不同，它可以在个人电脑上轻松运行，降低了成本和隐私方面的担忧。同样重要的是，它是可解释的：它不仅仅像一些深度学习模型那样生成风险估计（尽管后者可能更有效），而是告诉用户它是如何得出这个结论的。令人担忧的词语可以被标记出来，让用户了解每次评估的基础，并根据这些信息采取行动。他们正在与大型语言模型合作开发类似的可解释性方法。这一点至关重要，因为风险如此之高。“这是一个如此复杂的领域，我认为在未来很长很长一段时间里，让人类参与其中将是至关重要的，”戈什说。他是麦戈文研究所神经科学开放数据计划的主任。同样，研究人员补充说，任何预测模型在临床使用前都必须经过充分验证，并且可能需要不断调整，以跟上语言使用或目标人群的变化。由于可靠的词库为理解心理健康开辟了新的途径，戈什和洛广泛分享的不仅是他们的自杀风险词库，还有他们开发的用于构建该词库的软件包。研究人员可以使用该工具高效地为其他心理健康状况构建词库。与此同时，洛表示，自杀风险词库已经用于探索来自各种来源（从社交媒体到电子健康记录）的文本数据如何能帮助研究人员和临床医生更好地评估风险。

从文本中评估自杀风险

相似文章

评估阿拉伯语危机热线通话中的自杀风险：阿拉伯语和英语大型语言模型的比较

构建用于检测俄语社交媒体文本中自杀前兆和反自杀信号的大规模数据集的方法学

概率文本时间序列抑郁症检测

基于大语言模型的社交媒体抑郁风险评估

DistressBench：评估大型语言模型的多维度危机支持能力

提交意见反馈