科学家们近日在人工智能语言模型领域取得重大突破，成功研发出一种创新性诊断工具，能够精准捕捉并特征化分析患有精神分裂症患者在正常交流中难以察觉的细微语音差异。这一突破性研究成果已发表在权威学术期刊《美国国家科学院院刊》上，为精神疾病的自动化诊断与科学评估开辟了全新的研究路径。
当前精神疾病诊断主要依赖临床访谈、亲属反馈以及血液检测和脑部扫描等传统手段，但这些方法存在明显的局限性。诊断过程中的模糊性不仅阻碍了对精神疾病成因的深入探究，也限制了治疗效果的科学监测。面对这一挑战，伦敦大学学院神经学院的科研团队将目光聚焦于人工智能语言模型，试图通过分析语言特征为精神疾病诊断提供更精准的解决方案。
研究团队招募了52名参与者，其中26名确诊为精神分裂症患者，另26名作为健康对照组。所有参与者在5分钟内完成两项语言流畅性测试：一是尽可能多地列举属于”动物”类别的词汇，二是尽可能多地回忆以”p”开头的单词。通过先进的AI语言模型对参与者回答进行深度分析，科研人员得以量化语言特征的差异性。
该AI模型经过海量互联网文本的深度训练，能够模拟人类理解词义的方式。研究团队重点测试了参与者自发回忆的词汇是否具有可预测性，并比较了精神分裂症患者与健康对照组在可预测性上的差异。实验结果显示，对照组参与者的语言模式明显比精神分裂症患者更易于被AI模型预测，且症状越严重的患者，其语言模式的可预测性越低。
研究人员推测，这种差异可能源于大脑在学习记忆和思维活动之间的关联性，以及大脑在构建”认知地图”时存储信息的方式。为验证这一理论，研究团队进一步利用脑部扫描技术，测量了参与者在学习记忆过程中相关脑区的活动情况，结果为该理论提供了有力支持。
作为项目第一作者，Matthew Nour博士表示：”随着ChatGPT等先进AI语言模型的涌现，自动语言分析技术已为医疗领域带来革命性变革。这项研究充分展示了AI语言模型在精神病学领域的应用潜力，特别是在语言与意义相互关联的复杂领域。”科研团队计划扩大样本规模，进一步验证该技术在临床实践中的应用价值。若未来研究证实其安全性和可靠性，这类AI工具有望在十年内正式应用于临床诊断，为精神疾病治疗带来新的希望。
