一项研究表明，使用人工智能分析社交媒体可能会发现美国白人的抑郁信号，但却无法发现黑人的抑郁信号。这项研究强调了在没有来自不同种族和族裔群体的数据的情况下，为医疗保健相关任务训练人工智能模型的风险。
研究人员报告称，研究中使用的人工智能模型对使用元平台Facebook的黑人的抑郁症预测比白人低三倍以上。
“在基于语言的精神疾病评估工作中，种族似乎被特别忽视了，”这项美国研究的作者在《美国国家科学院院刊》(PNAS)上发表的一份报告中写道。
此前对社交媒体帖子的研究表明，经常使用第一人称代词(如“我”、“我的”或“我的”)和某些类别的词汇(如自嘲用语)的人患抑郁症的风险更高。
在这项新研究中，研究人员使用了一种“现成的”人工智能工具来分析868名志愿者的帖子中的语言，其中包括相同数量的黑人和白人成年人，他们有年龄和性别等其他特征。
所有参与者还完成了一份由医疗保健提供者用于筛查抑郁症的有效问卷。
宾夕法尼亚大学医学结果洞察中心的研究合著者Sharath Chandra Guntuku说，使用“我说话”或自我关注、自我贬低、自我批评和感觉像一个局外人只与白人的抑郁症有关。
Guntuku说:“我们感到惊讶的是，之前许多研究中发现的这些语言关联并不适用于所有人。”
Guntuku承认，社交媒体数据不能用于诊断抑郁症患者，但可以用于对个人或群体进行风险评估。
他的团队早期的一项研究分析了社交媒体帖子中的语言，以评估COVID-19大流行期间社区的心理健康状况。
美国国立卫生研究院药物滥用研究所的布伦达·柯蒂斯(Brenda Curtis)也参与了这项研究，她说，在药物滥用障碍患者中，社交媒体上显示抑郁症的语言已被证明可以洞察治疗退出和复发的可能性。
