研究人员使用人工智能工具来预测孤独

在过去几十年的几十年中，有一种孤独的大流行，通过升高的自杀和阿片类药物使用，损失生产力，增加医疗保健成本和上升的死亡率。关于专家说，Covid-19大流行，凭借其相关的社会疏松和锁定，只有更糟糕的事情。

准确评估社会孤独的广度和深度是令人生畏的，受限于现有的工具，如自我报告。在一篇新的概念验证论文中，于2020年9月24日在线发表美国老年精神病学杂志，由加州大学的研究人员领导的团队圣地亚哥医学院使用人工智能技术进行分析自然语言模式(NLP)来识别老年人的孤独程度。

“大多数研究用来使用直接问题”你多久感到孤独，“这可能导致由于与寂寞相关的耻辱感或UCLA寂寞规模没有明确地使用”孤独“这个词的偏见，这是高级作者艾伦·李，米德，助理助理精神病学教授。“对于这个项目，我们使用了自然语言处理或NLP，与通常的孤独测量工具在音乐会中，对表达情感和情绪的无偏的定量评估。”

近年来，许多研究记录了各种人口的孤独率上升，特别是最脆弱的人，如老年人。例如，今年早些时候发布的UC San Diego研究发现，85％的居民住在独立的高级住房界中报告中度至严重的孤独水平。

新研究还专注于独立的高级生活居民：80名66至94岁的参与者，平均年龄为83岁。但是，而不是简单地要求和记录来自UCLA孤独规模的问题的答案，参与者也被培训的研究人员采访了更多的非结构化对话，这些讨论会使用IBM开发的NLP了解软件以及其他机器学习工具进行了分析。

“自然语言处理和机器学习使我们能够系统地研究许多人的长时间访谈，并探索诸如情感等微妙的言语特征是如何暗示孤独的。”人类的类似情感分析可能会有偏见，缺乏一致性，需要大量训练才能标准化。”

调查结果:

• 在定性访谈中，孤独者的回答时间较长，且对有关孤独的直接问题表现出更多的悲伤。
• 女性比男人更有可能承认在采访中感到孤独。
• 与女性相比，男性在回应中使用的恐惧和快乐词汇更多。

作者说，这项研究强调了研究评估孤独和个人主观体验孤独之间的差异，基于nlp的工具可以帮助调和这一差异。早期的发现反映了可能存在的“孤独言语”，可以用来检测老年人的孤独，改善临床医生和家属评估和治疗老年人孤独的方式，特别是在身体距离和社会隔离的时候。

这项研究说，作者展示了使用转录言论的自然语言模式分析的可行性，以更好地解析并理解孤独的复杂情绪。他们表示，机器学习模型预测定性孤独，精度为94％。

“我们的IBM-UC圣地亚哥中心正在探索NLP签名孤独而智慧则是相反的老年人。语音数据可以与我们对认知、活动、睡眠、身体活动和心理健康的其他评估相结合，以提高我们对衰老的理解，并帮助促进成功衰老。”IBM-UC圣地亚哥健康生活人工智能中心(IBM-UC San Diego Center for Artificial Intelligence for healthy Living)负责健康老龄化和老年护理的高级副院长、联席主任。

---

---