人們通過他們所說的內容以及他們說話的方式傳達意思：音調、用詞，以及短語的長度都是理解一個人心里在想什么的重要線索。當一個精神病學家或一個心理學家檢查一個人的時候，他們注意聽取這些信號，并根據過去的經驗診斷其健康狀況。現在，在機器學習的幫助下，研究者們應用了同樣的方法來診斷精神病病人。

在2015年，一個研究團隊開發了一個人工智能模型，能正確預測哪組年輕人的成員會精神錯亂——最主要的特征是精神分裂——通過分析他們的語音。該模型專注于精神病的語言性抽搐的跡象：短句子、疑惑、經常使用「這個」、「那個」及「額」這樣的單詞，以及從一句話到下一句話的邏輯混亂。

現在，NeuroLex Diagnostics的首席執行官兼工程師Jim Schwoebel想為主治醫生打造一款工具以幫助他們診斷精神病病人。在會診期間，NeuroLex的產品會通過一部安裝在附近看不到的墻上的智能手機或是其他設備（Schwoebel有一款Amazon Alexa應用的原型）記錄病人的信息。使用與精神病論文中的相同的模型，該產品會從病人的錄音中搜索語言線索。該人工智能會將它的發現以數字的方式呈現——像血壓讀數那樣——精神病學家做診斷的時候就可以參考這些數據。并且隨著該算法被越來越多的病人「訓練」，產生的讀數能更好地反應一個病人的心理狀態。

除了精神病分裂癥診斷器，Schwoebel的另一個想法獲得了來自美國精神病學會的獎賞，NeuroLex希望為已經在醫院接受治療的精神病病人開發一款工具。該人工智能并不會幫助單一樣例的精神病診斷，而是實時檢查病人的語音以跟蹤他們的狀況。

對于Schwoebel來說，該工作也是關乎個人的：他認為該方法可能能夠幫助治療他哥哥的精神分裂癥。在Schwoebel的哥哥第一次精神崩潰前，他還能用短的、單個的詞做出回應，或者含混地表示他想去「那」或去「這」——以及在他的哥哥第一次精神病發作后那些「都具有意義的」令人不安的異常。

據Schwoebel說，在他的哥哥看精神病醫生并最終被確診之前，他們看了十多個初級治療醫生。這之后，他哥哥吃了一種沒有用的藥，后來又吃過一種沒有用的。在Schwoebel的哥哥確診并接受有效治療方案的那些年里，他經歷了三次精神崩潰。因為對藥物的需要，Schwoebel好奇如何更快地為一個人開出正確的處方與合適的劑量。

為了找到這種方法，NeuroLex計劃對已經在醫院里的精神病病人進行「前-后研究（pre-post study）」，「以觀察在醫院里的發病狀態或抑郁狀態過程中他們的語音模式是如何變化的。」理想情況下，該人工智能會分析接受心理治療的病人的樣本錄音，「以觀察哪種藥最有效」，從而「減少住院時間，」Schwoebel說。

如果一個人的語音在服用某種藥物之后，表現出更少的抑郁癥或躁郁癥的信號，該工具就能幫助證明該藥物是有效的。如果服藥后沒有變化，該人工智能可能會建議立即嘗試另外一種藥，避免病人繼續遭罪。并且，一旦它獲取了足夠的數據，它就能根據有相似語音特征的病人的情況推薦藥品。幾十年來，自動診斷方法已經被預期在更廣闊的醫學領域中被應用：一家公司聲稱它的肺癌識別算法的精確度比人類放射科醫生的精確度還要高50%。

使心理健康臨床醫生的判斷更「客觀」、更「量化」的可能性，引起了馬薩諸塞州綜合醫院的精神病學家Arshya Vahabzadeh的注意，他曾作為Schwoebel合辦的創業加速器的導師。「精神分裂癥是一組可觀察到或可誘導的癥狀集」，而不是一概而論的診斷，他說。數據集足夠大的時候，人工智能可能可以通過觀察病人的共同特征，將「精神分裂癥」這樣一概而論的診斷分成更一針見血的，更有幫助的種類。「我認為數據會幫助我們將這些疾病分成更多子類，這是我們之前沒法做到的。」

與任何醫療干預一樣，人工智能助手「必須是經過研究與驗證的。這是我的一大目標，」他說。雖然精神病預測研究表明，語音分析可以很好地預測精神病，但它仍然只是一個研究。沒有人還發表了抑郁癥或雙相情感障礙的概念證明。

機器學習非常火，但仍有很長的路要走——不論是機器之外還是機器之內。舉一個例子，Siri耗費多年處理蘇格蘭用戶的問題與命令。對于精神保健而言，一點點小差錯都可能是災難性的。「如果你告訴我一項技術20% 的情況下都是不管用的」——或80% 的精確度——「我不會把它用在病人身上的，」Vahabzadeh說。

當考慮到年齡、性別、種族、家庭或者地域，這種風險變得更令人不安。如人工智能基于單一人群的語音樣本訓練，那么在該人群之外的普通樣本就可能會導致錯誤的判斷。

「如果你來自某個文化，你可能會說得輕一點，音調也更低，」但人工智能「可能會將其解釋為抑郁，即使并不是如此，」Schwoebel說。

不過，Vahabzadeh相信某天該技術將能幫助臨床醫生更高效地治療更多病人。鑒于美國各地的精神醫療保健提供者短缺，這點非常重要，他說：「如果人類不是有成本效益的解決方案，那么我們必須在某種程度上利用技術來擴大和增強醫生的能力。」