هوش مصنوعي به تشخيص بهتر بيماري‌ رواني كمك مي‌كند

ديويد زارلي از نويسندگان theverge پس از بازديد از مؤسسه تحقيقاتي بيوپزشكي فرالين واقع در دانشگاه ايالتي و پلي‌تكنيك ويرجينيا گزارش مفصلي از تلاش پژوهشگران براي توسعه‌ي الگوريتم‌هاي تشخيص اختلالات رواني گردآوري كرده است:

من بار ديگر به داخل دستگاه MRI مي‌خزم و آينه‌ را طوري تنظيم مي‌كنم كه صفحه‌ نمايش پشت سر من به خوبي ديده شود. اين آينه درست بالاي كلاهي كه بر سرم گذاشته‌ام قرار دارد. اين كلاه درواقع دستگاهي شبيه كلاه بازي لاكراس است كه براي ثابت نگه داشتن جمجمه‌‌ام پوشيده‌ام. اكنون بايد به طرز صحيح دراز بكشم تا فرايند عكس‌برداري شروع شود، يعني بايد يك پد حاوي دكمه‌هايي را كه براي كنترل بازي لازم است، در يك دست بگيرم و در دست ديگرم يك توپ فشردني كه هنگام مواقع اضطراري مي‌توانم فرايند عكس‌برداري را با فشردن آن متوقف كنم. دو دستم را به‌صورت صليبي روي استخوان سينه قرار مي‌دهم، درست مانند آن موميايي‌هاي مصري.

اسكن‌هاي مغز من و عكس‌هاي MRI گرفته‌شده از آن، كه البته فرآيندي بسيار طاقت‌فرسا و طولاني است، درنهايت به‌عنوان داده به يك الگوريتم يادگيري ماشين وارد مي‌شوند، البته در صورتي كه اين اسكن‌ها چيزي بيشتر از نشان دادن نحوه‌ي كار دستگاه براي من بوده باشد. يك تيم از پژوهشگران و دانشمندان با استفاده از اين الگوريتم در تلاشند كشف كنند كه مغز انسان‌ها چگونه به موقعيت‌هاي اجتماعي مختلف پاسخ مي‌دهد. درواقع پژوهشگران مي‌خواهند مغز افراد سالم را با مغز افرادي كه مبتلا به اختلالات سلامت روان هستند مقايسه كنند. اين اطلاعات ممكن است به آن‌ها در تشخيص دقيق‌تر اختلالات رواني كمك كند و شايد هم درنهايت دلايل فيزيكي بروز اين اختلالات كشف شود. هدف نهايي دانشمندان در توسعه‌ي الگوريتم‌هاي يادگيري ماشين اين است كه بهترين دخالت پزشكي ممكن براي درمان هر نوع اختلال سلامت روان با دقت بالا ازطريق اين الگوريتم‌ها انتخاب شود.

ايده‌ي اصلي اين مطالعه ساده است: استفاده از الگوريتم براي به دست آوردن درك عملي از مغز؛ نشان دادن احساسات به‌صورت اطلاعات ديجيتال.

اختلالات سلامت روان بخش قابل‌ملاحظه‌اي از جمعيت جهان را تحت‌تاثير قرار داده است. طبق گزارش‌هاي سازمان بهداشت جهاني افسردگي به‌تنهايي ۳۰۰ ميليون انسان را در سرتاسر جهان درگير كرده است و يكي از علل اصلي ازكارافتادگي به شمار مي‌آيد. طبق ارزيابي اين سازمان ۶۰ ميليون نفر نيز دچار اختلال دوقطبي و ۲۳ ميليون نفر مبتلا به شيزوفرني هستند.

اما سؤال اين است كه آيا مدل فعلي تشخيص و معالجه‌ي اين اختلالات بهترين راه است؟ آيا ما به بهترين شكل اختلالات رواني را تشخيص مي‌دهيم؟ در حال حاضر تشخيص اختلالات رواني براساس علائمي كه در شخص پديدار مي‌شود انجام مي‌پذيرد، اين علائم توسط روانپزشكان حرفه‌اي دسته‌بندي شده‌اند و در يك دفترچه راهنما به نام راهنماي تشخيصي و آماري اختلال‌هاي رواني (به اختصار DSM)، كه اكنون نسخه‌ي پنج آن به چاپ رسيده، گردآوري شده است. اما آيا استفاده از يادگيري ماشين مي‌تواند جواب بهتري براي اين سؤال باشد؟

اول از همه نوبت MRI ساختاري است، كه اساسا تصويربرداري اشعه‌ي ايكس از بافت نرم محسوب مي‌شود. اين اسكن فوق‌العاده پرسروصدا پنج دقيقه به طول مي‌كشد. پس از آن نوبت به MRI كاركردي يا همان fMRI مي‌رسد. در اين روش تصويربرداري عكس‌هايي از مغز من در حال انجام يك عمل مشخص گرفته مي‌شود. به همين دليل است كه يك ستاپ پيچيده از صفحه‌نمايش، آينه و پد بازي براي من در داخل دستگاه MRI تدارك ديده شده است.

اسكن‌هاي مغزي من، اگر يك شخص مورد مطالعه‌ي واقعي بودم، مستقيم به اين گروه از اختلالات رواني تعلق مي‌گرفت: اختلال شخصيتي مرزي. در حقيقت من شب پيش از حضور در اين آزمايشگاه و البته همين امروز صبح دچار يكي از آن حالات مرزي شده بودم. بنابراين حضور من در اينجا از لحاظ زماني به انديشه متخصصين جالب مي‌رسيد، درست مانند اينكه با يك آمبولانس تصادف كنيد.

براي تيم تحقيقاتي مستقر در دانشگاه ويرجينيا تك كه به درون مغز من نگاه مي‌كنند، علم روانپزشكي محاسباتي، پيش از اين نيز براي آن‌ها دستاوردهايي به ارمغان آروده است. اين تيم متشكل از پژوهشگران در جريان يك مطالعه در سال ۲۰۰۸ دريافتند كه همنوعان من در اختلال شخصيت مرزي به انديشه متخصصين مي‌رسد كه بيشتر به عمل متقابل (يعني من به تو كمك مي‌كنم و تو هم به من) اهميت مي‌دهند تا افراد نوروتيپيكال (يعني افراد عادي داراي سلامت رواني)؛ موضوعي كه درست برعكس تصور اوليه‌ي آن‌ها بود. اين يافته‌ي پژوهشگران با تجربه‌ي شخصي من هم سازگاري دارد. من بيشتر از حالت عادي تمايل دارم به روابط دوستي خودم با ديگران نگاه معامله‌گونه داشته باشم، معامله‌اي كه بيشتر مواقع پول رايج آن، توجه كردن است.

بعد از حدود ۱۵ دقيقه انجام بازي رايانه‌اي درون دستگاه fMRI از تخت پايين مي‌آيم. مغز من عكس‌برداري شده بود. به نمايشگر رايانه نگاه مي‌كنم و نگاهم به تصاوير خاكستري مي‌افتد. حالا دشمنم را مي‌بينم.

مؤسسه‌ي تحقيقاتي بيوپزشكي فرالين در ويرجينيا تك كاريليون، مركز آزمايشگاه‌هاي عكس‌برداري عصبي انساني است. اين مركز اكنون يكي از كانون‌هاي رشد سريع يكي از علوم عصبي شده است: روان‌پزشكي محاسباتي، علمي كه ابزار رايانه‌اي را با دانش روانپزشكي مرتبط مي‌كند. فعالان اين عرصه اميدوارند يادگيري ماشين به درك مبتني بر داده‌ بيشتري از اختلالات ذهني كمك كند.

انجام اين نوع كار علمي تا همين اواخر ممكن نبود. الگوريتم‌هايي كه مؤسسه‌ فرالين استفاده مي‌كند شايد دهه‌ها پيش توسعه داده شده‌اند، اين الگوريتم‌ها با تصويربرداري fMRI تركيب مي‌شود، روشي كه در دهه ۹۰ ميلادي ابداع شد. اما قدرت پردازشي لازم براي تركيب اين دو هم‌اكنون در دسترس قرار گرفته است. همين موضوع باعث شده است تا پژوهشگران بيش‌ازپيش مايل باشند براي مطالعه مسائل نوين روانپزشكي از روش‌هاي نوين علمي استفاده كنند.

علم روانپزشكي سعي مي‌كند ذهن را ارزيابي كند، چيزي كه متفاوت از مغز است. بنابراين اين علم تا حد زيادي به توصيف افراد از شرايط ذهني خودشان بستگي دارد. با اينكه روش‌هاي تشخيص كلينيكي تا حد زيادي دقيق هستند بااين‌حال اين روش‌ها مستعد بروز برخي بي‌دقتي‌ها نيز هستند. براي مثال يك شخص ممكن است به ميزان ناراحتي خود نمره‌ي ۵ از ۱۰ بدهد، درحالي‌كه اشخاص ديگر ممكن است براي همين ميزان ناراحتي نمره‌ي ۱۰ يا ۳ بدهند. درواقع هيچ‌كدام از آن‌ها اشتباه نمي‌كنند. موضوع اين است كه زباني كه براي اندازه‌گيري دقيق درد استفاده مي‌شود، يكپارچه نيست.

اختلالات سلامت روان از طرف ديگر بي‌شكل هستند، يعني در اغلب موارد، علائم آن‌ها در بين تشخيص‌هاي متفاوت مشترك است. اما با تركيب روش تصويربردادري fMRI با ميزان بسيار زياد داده‌ مي‌توان اميدوار بود كه الگوريتم‌هاي يادگيري ماشين بتوانند تشخيص دقيق و سريع اختلالات ذهني را ياد بگيرند. پژوهشگران اميدوارند علائم فيزيكي اختلالات ذهني را پيدا كنند و تاثير هر يك از مداخلات پزشكي براي درمان اين اختلالات را به‌صورت فيزيكي در بدن بيمار مشاهده كنند.

در اولين روزي كه به مؤسسه‌ي فرالين رفتم، در لابي بزرگ آن با دو هماهنگ‌كننده‌ي تحقيقاتي به نام‌هاي دوگ چان و وايتني الن و يك دانشجوي دكتراي رشته‌ي بيولوژي متخصصدي‌سازي، پزشكي و بهداشت به نام مارك اورلف روبه‌رو شدم. ما به آزمايشگاه تصويربرداري عصبي انسان مي‌رسيم و از درهاي داراي قفل كارتي و لابي عبور مي‌كنيم. در لابي اين جا هم مانند لابي تمام آزمايشگاه‌هاي پزشكي ديگر انبوه مجله‌ها روي ميز روي هم انبار شده بود.

بعد از لابي دفترهاي شخصي پزشكان قرار دارد. ديگر اعضاي آزمايشگاه در يك سالن بزرگ كنار يكديگر كار مي‌كنند. در اين سالن تعداد زيادي ميز كار و رايانه و كاكتوس‌هاي كوچك گلداني وجود دارد. دستگاه‌هاي MRI در آخر سالن قرار دارند. در طرف ديگر پنجره و دري كه ما را از دستگاه‌هاي MRI جدا مي‌كند، اورلف يك مدل كوچك مغزي كه با پرينتر ۳ بعدي چاپ شده بود و به بزرگي يك همستر بالغ بود را در دست مي‌گيرد. او مي‌گويد كه اين مدلي از مغز خود او است. اورلف شوخي مي‌كند:

درست در ابعاد واقعي، هه هه!

در نزديكي ما اتاق‌هاي مصاحبه قرار دارد، اتاق‌هايي كه به سبك اتاق‌هاي بازجويي پليسي داراي پنجره‌هايي با آينه يك‌طرفه و ميكروفن هستند تا پژوهشگران بتوانند هنگام مصاحبه‌ي كلينيكي با بيماران رفتار آن‌ها را تحت‌انديشه متخصصين بگيرند. همچنين اتاق‌هاي مخصوصي وجود دارد كه در آن افراد مي‌توانند بازي‌هاي رايانه‌اي الكترونيك با گيمرهاي ديگر انجام دهند تا اطلاعات بيشتري از شخص مورد مطالعه استخراج شود. اما آن چيزي كه دورتادور پژوهشگران در اين ساختمان را در برگرفته، درواقع ابزار كليدي آن‌ها در انجام مطالعاتشان، يعني روابط رياضي است. در سالن بزرگ، در اتاق كنفرانس، روي وايت‌بردها، روي پنجره‌ها و حتي ديوارها، فرمول‌هاي رياضي با ماژيك‌هاي رنگارنگ نوشته شده است. اينجا رياضي، كاغذديواري ساختمان و بك‌گراندي است كه پژوهشگران در آن از سويي به سوي ديگر مي‌روند.

پيرل چيو با موهاي بلند مشكي حالتي از اعتمادبه‌نفس صامت در چهره‌ي خود دارد. او قبل از حرف زدن مكث كوتاهي مي‌كند تا به چيزي كه مي‌خواهد بگويد فكر كند. در كلام او وقتي كه از كار خودش حرف مي‌زند آن رضايتي كه در يك معلم هنگام درس دادن وجود دارد، احساس مي‌شود. او تنها روانپزشكي كلينيكي دوره‌ديده در اين آزمايشگاه است كه تجربه‌ي مستقيم در زمينه‌ي كار با بيماران در محيط كلينيكي دارد. او از يك محيط كاملا انساني وارد دنياي الگوريتم‌ها شده است. خود او مي‌گويد:

وقتي كه با بيماران كار مي‌كردم، از اينكه مي‌ديدم چقدر از اتفاقي كه در دورن آن‌ها مي‌افتد بي‌خبريم، سرخورده مي‌شدم.

او باور دارد كه دخالت دادن يادگيري ماشين در تشخيص الگوها شايد راه چاره باشد.

يك چيز براي چيو مشخص است: «چيزي كه ما الان داريم كار نمي‌كند.»

نتايج به‌دست‌‌آمده از مصاحبه‌ها، تصويربرداري MRI و fMRI، داده‌هاي رفتارشناختي، داده‌هاي كلامي به‌دست‌آمده از مصاحبه‌ها و ارزيابي‌هاي روان‌شناختي همگي وارد يك الگوريتم يادگيري ماشين مي‌شوند. به‌زودي نمونه‌هاي بزاق و خون افراد نيز به‌عنوان داده در اين الگوريتم‌ها به كار گرفته خواهد شد. آزمايشگاه تحت نظارت چيو اميدوار است سيگنالي كه براي تشخيص يك اختلال لازم است را از بين انبوه نويزها بيابد.

اسكن‌هاي انجام‌گرفته توسط fMRI اطلاعات نئورولوژيكي در اختيار الگوريتم‌هاي يادگيري ماشين قرار مي‌دهد و به اين الگوريتم‌ها اجاز مي‌دهد تا ياد بگيرند كه كدام قسمت‌هاي مغز به محرك‌هاي مشخصي پاسخ مي‌دهند يا به اصطلاح روشن مي‌شوند تا به اين ترتيب پلتفرمي براي مقايسه‌ي رفتارهاي كنترلي سالم پي‌ريزي شود. الگوريتم‌ها مي‌توانند الگوهاي جديدي را از رفتارهاي اجتماعي ما استخراج كنند، يا به ما نشان دهند كه كي و كجا يك مداخله‌ي درماني مؤثر مي‌تواند صورت گيرد. شايد همه‌ي اينها به ابداع پلتفرمي براي روش‌‌هاي پيشگيري‌كننده‌ي سلامت روان ازطريق انجام ورزش‌هاي خاص به منظور تغيير الگوي رفتاري مغز منجر شود. متاسفانه fMRI مانند هر ابزار ديگري نواقص خود را دارد. اين روش تصويربرداري گاهي ممكن است به اشتباه فعاليت مغزي مثبت ثبت كند. در يكي از برجسته‌ترين نمونه‌ها، اسكن fMRI يك ماهي سالمون مرده، فعاليت مغزي مثبت آن را نشان داده بود.

شخصي كه وارد اين آزمايشگاه مي‌شود، ابتدا بايد مصاحبه‌ي كلينيكي انجام دهد و سپس بايد در داخل يا خارج دستگاه MRI عمل مشخصي، مانند بازي رايانه‌اي انجام دهد. همچنين داده‌هاي ژنتيكي او جمع‌آوري مي‌شود. زماني‌كه همه‌ي داده‌ها جمع‌آوري شد، وارد يك الگوريتم يادگيري ماشين مي‌شوند و الگوريتم يك نتيجه به بيرون مي‌دهد. نتايج‌ سريع اما كثيف ممكن است در چند دقيقه آماده شوند، اما نتايج تميز و با جزئيات ممكن است هفته‌ها بعد آماده شوند. همچنين مدل‌هاي قوي‌تر مي‌توانند داده‌هاي بيشتري را پردازش كنند و زمان پاسخ‌گوي را كاهش دهند. اگر مصاحبه‌هاي كلينيكي يك شخص پيشنهاد كند كه او دچار افسردگي است، پژوهشگران مي‌توانند از مدل‌هاي افسردگي استفاده كنند تا پاسخ‌هاي سريع‌تري به دست آورند.

چيو با استفاده از اسكن‌ها مي‌خواهد كاري كند تا بيماران معالجه‌ي بهتري دريافت كنند. او مي‌گويد شايد اين روش بتواند الگوهايي را تشخيص دهد كه در كلينيك تشخيص داده نمي‌شود يا اينكه تنها با ارزيابي مغز تشخيص آن‌ها غيرممكن است. با صورت فيزيكي دادن به اختلالات سلامت روان، چيو اميدوار است احساس شرمي كه افراد دچار اختلالات ذهني احساس مي‌كنند را از بين ببرد. اگر يك اختلال رواني مانند اختلال شخصيت دوقطبي يا شيزوفرني به‌صورت مشهود و جسماني، مانند يك بيماري قلبي تشخيص داده شود، در آن صورت آيا فرد همان ميزان شرم را احساس خواهد كرد؟

با در دست داشتن اين اطلاعات، چيو اميدوار است تشخيص‌هاي روانپزشكي دقيق‌تر و حساس‌تر باشند، براي مثال تشخيص يك نوع خاصي از افسردگي كه خود را در برخي از نواحي مغز نشان مي‌دهد. او روزي را تصور مي‌كند كه با استفاده از داده‌هاي پردازش‌شده توسط الگوريتم‌ها بتوان دريافت كه نوع خاصي از افسردگي يك شخص به كدام روش درماني بهتر پاسخ مي‌دهد. براي مثال ممكن است شخصي به رفتاردرماني بهتر پاسخ دهد اما ديگري به دارو درماني.

در حال حاضر آزمايشگاه چيو روي اختلالات انگيزشي، يا آنطور كه خود او بيان مي‌كند روي افسردگي، و اعتياد تمركز كرده است. الگوريتم‌ها مي‌توانند مدل‌هاي تشخيصي توسعه دهند، مدل‌هايي كه پژوهشگران اميدوارند روي زندگي بيماران تاثير مستقيم بگذارند. اما چيو مي‌پرسد:

ما چطور مي‌توانيم چنين چيزهايي را دوباره به محيط كلينيك برگردانيم؟

براي اينكه تلاش‌هاي چيو به ثمر بنشيند و بيماران كمك واقعي اين مطالعات را احساس كنند، استفاده از يادگيري ماشين بسيار ضروري است. چيو در اين مورد مي‌گويد:

ما داده‌هاي بسيار زيادي داريم اما تا حالا نتوانسته بوديم الگويي را توسعه دهيم. انسان‌ها نمي‌توانند اين انبوه داده‌ها را طبقه‌بندي كنند، اما رايانه‌ها مي‌توانند.

اما علاوه‌بر آزمايشگاه چيو، تكنيك يادگيري ماشين، به‌خصوص الگوريتم‌هايي كه براساس آزمون و خطا توسعه داده مي‌شوند، در آزمايشگاه بروكز كينگ-كيسس نيز يكي از عناصر كليدي مطالعات هستند. كينگ-كيسس، استاديار شاغل در مؤسسه تحقيقاتي بيوپزشكي فرالين در ويرجينيا تك است و در آزمايشگاه خود سعي مي‌كند دريابد كه چه تركيبي از هزاران و هزاران متغيرهايي كه او در آزمايشگاه به مطالعه‌ي آن‌ها مي‌پردازد، در توسعه‌ي الگوريتم‌هاي مناسب مؤثر هستند.

كينگ-كيسس چهره‌اي آسماني دارد. موي سر سياه‌رنگ او داراي رگه‌هاي نقره‌اي‌رنگ است و عينك او به رنگ آسمان شب است. او هنگام حرف زدن مدام دستانش را حركت مي‌دهد تا منظورش را بهتر به مخاطب خود برساند. اگر بخواهيم كلي حرف بزنيم، آزمايشگاه كينگ-كيسس روي رفتارهاي اجتماعي تمركز دارد. تيم او در حال مطالعه روي الگوها، اختلافات ظريف، احساسات و نواحي درگير مغز هنگام تعاملات اجتماعي هستند. آزمايشگاه او علاقه‌ي خاصي به ارزيابي تفاوت در اين الگوها در افرادي كه داراي اختلال سلامت روان هستند و افرادي كه از سلامت رواني برخوردار هستند، نشان مي‌دهد؛ تفاوت الگوها در اشخاصي كه از لحاظ كلينيكي سالم هستند و كساني از يك اختلال رواني مانند شخصيت مرزي رنج مي‌برند، كساني كه روابط اجتماعي براي آن‌ها مانند تله‌ي عنكبوت است، كسي مثل من.

كينگ كيسس مي‌گويد:

من علاقه دارم اين موضوع را از ريشه مطالعه كنم كه اشخاص چگونه تصميم مي‌گيرند، و چگونه روش‌هاي تصميم‌گيري در افراد داراي اختلالات رواني مختلف با يكديگر فرق مي‌كند.

آزمايشگاه تحت نظارت كينگ-كيسس در حال توسعه‌ي مدل‌هاي عددي است تا اجزاي فرايند تصميم‌گيري را تك‌به‌تك پردازش كند، با اين اميد كه دريابد دقيقا در كجاي اين فرايند كارها اشتباه پيش مي‌رود. كينگ-كيسس با مطالعه جز‌ به جز تعاملات اجتماعي اميدوار است به احساسات انساني يك عدد نسبت دهد، يعني علم رفتار اجتماعي را طوري مطالعه كند كه انگار ما انسان‌ها بافت سلولي كوچكي هستيم. داده‌هاي جمع‌آوري و پردازش‌شده ممكن است به ما نشان دهد كه يك شخص مبتلا به اختلال شخصيت مرزي نسبت به يك شخص سالم چگونه دنياي پيرامون خود را ارزش‌گذاري مي‌كند.

كينگ-كيسس اين‌گونه توضيح مي‌دهد:

ما به اين الگوهاي يادگيرنده‌ي تقويت‌شده نياز داريم تا صدها تصميمي كه شما مي‌گيريد را دريافت كند و آن‌ها را با يك عدد سه رقمي نشان دهد، طوري كه همه‌ي اطلاعات در اين سه رقم گنجانده شده باشد.

كيسس مي‌گويد بدون وجود الگوريتم‌ها، انجام چنين كاري غيرممكن است. حتي براي يك كار ساده مانند يك انتخاب دوگزينه‌اي، آزمايشگاه كينگ-كيسس حدود ده مدل توسعه داده است. هر كدام از اين مدل‌ها مي‌توانند توضيح مي‌دهند كه چگونه فرايند تصميم‌گيري

كينگ-كيسس ادامه مي‌دهد:

مغز را مانند يك مدل در انديشه متخصصين بگيريد. كاري كه ما مي‌كنيم اين است كه رفتار شخص را برمي‌داريم و مي‌گوييم خب كدام مدل بهتر مي‌تواند تصميماتي كه شما گرفتيد را توضيح دهد؟

چيزي كه آزمايگشاه او سعي دارد انجام دهد، كشف الگوريتم‌هاي محاسباتي مغز است.

انسان‌ها نگرش عيني و بي‌طرفانه ندارند و اين ويژگي ممكن است به الگوريتم‌هايي كه توسط او نوشته مي‌شود نيز سرايت كند. ما تمايل داريم اين‌طور فكر كنيم كه الگوريتم‌ها براساس اطلاعات بي‌طرفانه‌اي كه به آن‌ها داده مي‌شود، توسعه مي‌يابند و تصميم‌گيري مي‌كنند، اما اين تصور درست نيست. داده‌ها توسط انسان‌ها جمع‌آوري مي‌شوند، انسان‌هايي كه هم انديشي ها و تمايلات مخصوص خود را دارند. از طرف ديگر ابزارهايي كه براي جمع‌آوري داده‌ها به كار مي‌روند، كمبودهايي نيز دارند كه مي‌توانند منجر به انحراف داده‌ها از واقعيت شوند.

تشخيصي كه الگوي يادگيري ماشين براساس برنامه‌ريزي‌هاي جانبدارانه انجام مي‌دهد مفيد نيستند. به‌طور مشخص، تاريخ روانپزشكي مملو از تبعيض جنسيتي است كه تا به امروز نيز ادامه دارد. براي مثال طبق آمار سازمان بهداشت جهاني، اگر شما زن باشيد، احتمال اينكه روانپزشك براي شما داروهاي روان‌درماني تجويز كند بيشتر است.

حتي مفاهيم اساسي مانند درد نيز از تبعيض جنسيتي در امان نمانده‌اند. طبق مطالعه‌اي كه در سال ۲۰۰۱ در ژورنال Law, Medicine & Ethics چاپ شده بود، زنان نسبت به مردان هنگام مراجعه به پزشك بيشتر از درد شكايت مي‌كنند. همچنين زنان درد‌هاي متناوب‌تر و طولاني‌تر گزارش مي‌كنند اما نسبت به مردان معالجه‌ي سبك‌تري دريافت مي‌كنند. گزارش اين‌طور نتيجه مي‌گيرد كه درواقع زنان با خصومت و ناباوري بيشتري در محيط‌هاي كلينيكي روبه‌رو مي‌شوند، تا اينكه درنهايت ثابت كنند به اندازه‌ي يك مرد بيمار هستند.

شگفت‌انگيز نيست كه فاكتور نژاد نيز در دريافت معالجات پزشكي تأثيرگذار باشد. در درجه‌ي اول، اشكال ميزان دسترسي به محيط‌هاي كلينيكي وجود دارد. جوامع انساني با پوست روشن‌تر و با شرايط اقتصادي بهتر، دسترسي بيشتر و باكيفيت‌تري به معالجات پزشكي دارند. اما حتي در صورتي كه افراد سياه‌پوست نيز دسترسي يكساني داشته باشند، احتمال اينكه درد اين افراد كم‌تر مورد توجه قرار بگيرد بسيار بالا است. طبق تحقيقي كه در سال ۲۰۱۶ توسط دانشگاه ويرجينيا انجام گرفت، مشخص شد كه دانش‌آموختگان پزشكي باورهاي مسخره، و حتي خطرناكي در مورد افراد سياه‌پوست دارند؛ باورهايي مانند اينكه ميزان حساسيت در انتهاي سيستم عصبي محيطي (كه مسئول درك محيط پيرامون و درد است) در افراد سياه‌پوست نسبت به افراد سفيد‌پوست كم‌تر است.

اما پژوهشگران در مركز تحقيقاتي مؤسسه فرالين چطور مي‌توانند مطمئن شوند كه ماشين آن‌ها تبعيض‌هاي پزشكي انسان‌ها را ياد نمي‌گيرند؟

چيو مي‌گويد اين سؤال بسيار بسيار سختي است. در اين مطالعه، مصاحبه‌كنندگان از زمينه‌ي بهداشت رواني افراد مصاحبه‌شونده يا معالجعات درماني احتمالي آن‌ها خبر ندارند. همچنين تحليل‌كننده‌هاي اطلاعات نيز به اين اطلاعات دسترسي ندارند يا به عبارت ديگر نسبت به اين داده‌ها كور بودند. در حقيقت چيو مي‌گويد:

ما افراد گروه را تا جايي كه مي‌توانستيم نسبت به داده‌ها كور كرديم.

چيو حضور خود به‌عنوان يك زن را نيز در پيشبرد درست اين تحقيق، مؤثر مي‌داند. تيم تحقيقاتي گروه او، از پژوهشگران و دانشجويان با زمينه‌هاي علمي گوناگون تشكيل شده است. چيو به خوبي از شدت خطري كه تحقيق او را تهديد مي‌كند آگاه است. اگر روش‌هاي تشخيصي و درمان‌هاي شخصي‌شده كه توسط الگوريتم‌هاي توسعه‌داده‌شده در آزمايشگاه او به داده‌هاي تبعيضي و جانبدارانه آلوده شوند، اين داده‌ها به‌راحتي وارد سيستم مي‌شوند و توسط الگوريتم‌ها به كدها تبديل شده و احتمالا در اين فرايند ميزان تبعيض در آن‌ها تقويت مي‌شود.

همچنين ابعاد متخصص داده‌هاي الگوريتم يادگيري ماشين مانند داده‌هاي تصويري تحريك‌كننده كه در اسكن‌هاي fMRI مورد استفاده قرار مي‌گيرد نيز بايد از انديشه متخصصين عاري بودن از تبعيض‌ها پايش شوند.

برنامه‌نويس آزمايشگاه تحت نظارت چيو يعني جيكوب لي نيز در مورد چالش‌هاي پيش رو توضيح مي‌دهد. او مي‌گويد در فرايند برنامه‌نويسي بايد موارد زيادي را در انديشه متخصصين گرفت كه يكي از مهم‌ترين آن‌ها، مباحثه وجود تبعيض و جانبداري‌هاي انساني است كه روي كيفيت داده‌ها تاثير مي‌گذارد.

يكي ديگر از چالش‌هاي اين مطالعه اين است كه فاصله‌ي زماني بين وقوع اتفاقات مورد انديشه متخصصين در داخل دستگاه fMRI بايد به دقت تعيين شود تا نتايج درستي از اسكن‌ها به دست بيايد. لي موضوع را اين‌گونه توضيح مي‌دهد كه دستگاه هر دو ثانيه يك‌بار اسنپ‌شات‌هايي از مغز تهيه مي‌كند. اما انتخاب پنجره‌ي زماني درست براي به دست آوردن بهترين نتيجه، موضوع بسيار حياتي است. براي اطمينان از اينكه پژوهشگران پاسخ مغز به محرك‌ها را ثبت مي‌كنند، نه فعاليت‌هاي ديگر مغز را، بايد اختلاف زماني بين شروع تحريك و رسيدن خون به قسمت مورد انديشه متخصصين مغز، يعني جايي كه دستگاه fMRI از آن عكس‌برداري مي‌كند، به دقت لحاظ شود. اين اختلاف زماني باعث محدوديت عكس‌برداري عصبي و وقوع وقفه‌ي چندثانيه‌اي بين اسكن‌ها مي‌شود.

محرك‌ها نيز خود بايد با دقت انتخاب شوند چرا كه مردم با فرهنگ‌هاي مختلف نگاه و نگرش متفاوتي به رنگ‌ها و اعداد خاص دارند. داده‌هاي محرك در اين تحقيق از عكس‌هاي موجود در پايگاه داده‌ي سيستم تصويري احساسي بين‌المللي انتخاب مي‌شود. گفتني است پژوهشگران در سراسر دنيا از سال ۲۰۰۵ براي اطمينان از هماهنگي نتايج تحقيقات روانپزشكي و عصب‌شناسي خود از داده‌هاي بصري استاندارد اين سيستم استفاده مي‌كنند.

تعداد اندك افراد شركت‌كننده در مطالعه، براي مثال ده‌ها نفر، در مطالعات fMRI نيز ممكن است منجر به كسب نتايج اشتباه شود. به همين دليل است كه آزمايشگاه چيو در صدد است با به اشتراك گذاشتن داده‌ها، اندازه و گوناگوني افراد مورد مطالعه را گسترش دهد. آزمايشگاه عكس‌برداري عصبي ويرجينيا تك از زمان گشايش خود ۱۱ هزار ساعت عكس‌برداري انجام داده است. براي اطمينان از حفظ حريم خصوصي داده‌هاي عددي از افراد ذخيره‌سازي نمي‌شود. آزمايشگاه عكس‌برداري عصبي انساني هم‌اكنون مشغول همكاري و اشتراك‌گذاري داده‌ها با دانشگاه كالج لندن، دانشگاه پكينگ در پكن و كالج پزشكي بيلور است. علاوه‌بر اين، چيو و تيم او با پژوهشگران دانشگاه هاوايي نيز همكاري مي‌كنند.

بااين‌حال يكي از موضوعات نگران‌كننده اين است كه اسكنرهاي fMRI اغلب در كشورهاي پيشرفته قرار دارند، جايي كه اغلب جمعيت جهان به آن‌ها دسترسي ندارد. به همين دليل توده‌هاي جمعيتي مورد مطالعه حول مراكز جمعيتي شهري و دانشجويي شكل گرفته است، به همين دليل داده‌هايي كه وارد الگوريتم‌هاي يادگيري ماشين مي‌شود نمي‌توانند نماينده‌ي همه جمعيت جهان باشند.

روش عكس‌برداري fMRI اشكالات خاص خود را نيز دارد: براي مثال دانشمندان در اين نوع عكس‌برداري در اصل به خود مغز نگاه نمي‌كنند. چيزي كه بعد از عكس‌برداري دستگاه fMRI به دست مي‌آيد، درواقع يك تصوير نرم‌افزاري از مغز است كه به واحد‌هاي كوچكي به اسم ووكسل‌ها تقسيم مي‌شود. يك تيم تحقيقاتي به سرپرستي آندرس اكلوند در دانشگاه لينگوپينگ تصميم گرفت تا سه بسته‌ي نرم‌افزاري آماري محبوب fMRI را با داده‌هاي انساني مقايسه كند. اين تيم تحقيقاتي كشف كرد كه تفاوت موجود در نرم‌افزارها كه باعث به دست آمدن نتايج اشتباه مثبت مي‌شود، بيش از حد انتظار بوده است. يافته‌هاي اين گروه تحقيقاتي كه در ماه ژوئن سال ۲۰۱۶ در ژورنال پيشرفت‌هاي آكادمي ملي علوم ايالات متحده آمريكا به چاپ رسيده، باعث احتياط بيشتر پژوهشگران در استفاده از اين روش‌ عكس‌برداري مغزي شده است.

پژوهشگران ارزيابي اوليه اين مقاله در مورد اينكه نتايج بيش از ۴۰ هزار مطالعه‌ي مبتني بر fMRI نادرست بوده است را پس از ارزيابي مجدد به ۳۵۰۰ مورد تقليل دادند. بااين‌حال عصب‌شناسان به اين نتيجه نرسيده‌اند كه عكس‌برداري fMRI يك ابزار غيرقابل اعتماد است، بلكه تنها به بهبود مستمر عملكرد نياز دارد. در دسترس بودن و دقيق‌تر كردن اسكن‌هاي fMRI كليد استفاده‌ي كلينيكي از اين تكنولوژي است.

آدام چكراد، دانشمندي كه مطالعات او در حوزه‌ي روانپزشكي محاسباتي در ژورنال‌هاي معتبري مانند Lancet به چاپ رسيده است معتقد است:

تمام بهينه‌سازي‌هاي صورت‌گرفته در سخت‌افزارها براي ما بسيار بسيار گران‌بها است.

چكراد پيش از اين مشغول مطالعه در مورد هوش ماشيني بوده و از الگوريتم‌ها براي پيش‌بيني دقيق اينكه كدام داروهاي با بالاترين شانس موفقيت در بهبود شرايط بيمار دارد، استفاده كرده است. چكراد كه بنيان‌گذار و دانشمند اصلي مؤسسه Spring Health، كلينيكي كه سعي مي‌كند تكنولوژي را وارد روند درمان بيماران كند، قويا معتقد است كه متخصصد كلينيكي تكنولوژي‌هاي جديد از جمله يادگيري ماشين، مهم‌ترين چالش اين حوزه است.

علاوه‌بر روش عكس‌برداري fMRI اشكال‌دار، روانپزشكي محاسباتي با چالش‌هاي اخلاقي، معنوي، عملي و تكنولوژيكي نيز مواجه است. يكي از اين چالش‌ها، مسئله‌ي ذخيره‌ كردن حجم بالايي از اطلاعات كاملا شخصي براي استفاده در توسعه‌ي الگوريتم‌ها است كه مي‌تواند طعمه‌ي وسوسه‌انگيزي براي هكرها باشد. رضايت نيز مسئله‌ي ديگري است: آيا يك شخص افسرده، براي مثال، به اندازه‌ي كافي داراي ذهن روشن و شرايط رواني مناسبي است كه بتواند با درانديشه متخصصينگرفتن تمامي شرايط اظهار موافقت كند؟ اگر ما مدل‌هايي براي اختلالات سلامت رواني توسعه دهيم، آيا درواقع مدلي براي نرمال بودن سلامت روان ايجاد نمي‌كنيم، مدلي كه مي‌تواند علاوه‌بر داشتن كاركرد مفيد، نقش چماق را نيز بازي كند؟ اصلا چه كسي صلاحيت اين را دارد كه مفهوم نرمال بودن را تعريف كند؟

پاول هامفريز، استاد فلسفه در دانشگاه ويرجينيا مشغول مطالعه در مورد فلسفه‌ي علوم است. هامفريز نگراني‌هاي شگفت‌انگيز ديگري را مطرح مي‌كند: يادگيري ماشين مسئله‌ي جعبه سياه (كنترل درستي خروجي يك نرم‌افزار) ديگري مشابه خود مغز ايجاد مي‌كند. ما مي‌توانيم با دادن داده‌هاي كافي به يك الگوريتم يادگيري ماشين به او ياد بدهيم كه گربه را تشخيص دهد، بااين‌حال به‌طور كامل نمي‌توانيم تعيين كنيم كه اين الگوريتم چگونه تصميم مي‌گيرد كه يك گربه چيست. اين موضوع مي‌تواند زمينه‌ي سو‌تفاهم را در بين دانشمندان و نتايج مطالعات يادگيري ماشين آن‌ها ايجاد كند، چرا كه دانشمندان تنها برداشتي جزئي از چيزي كه مدل‌ توسعه‌داده‌شده‌ي آن‌ها بيان مي‌كند دارند. آيا ما مي‌توانيم مطمئن باشيم كه تعريف يادگيري ماشين از اختلال رواني به تعريف ما نزديك است؟

چيزي كه بيشتر باعث پيچيده‌تر شدن موضوع مي‌شود، مسئله‌ي نبود داده‌هاي صحت‌سنجي انساني است، يعني يك سري‌ داده‌هاي قابل اطمينان كه بتواند درستي نتايج يادگيري ماشين را سنجش كند.

استيون هايمن مي‌گويد:

شما حداقل به يك فرايند اعتبارسنجي معتبر و كاملا مستقل نياز داريد.

استيون هايمن، مدير مؤسسه ملي سلامت روان آمريكا بين سال‌هاي ۱۹۹۶ تا ۲۰۰۱ بود كه در زمان مديريت خود براي وارد كردن علوم عصب‌شناسي و ژنتيك به علم روانپزشكي تلاش كرد. هايمن هم‌اكنون مدير مركز استنلي براي تحقيقات روان‌پزشكي در broad institute است.

يافته‌هاي يك الگوريتم يادگيري ماشين را، كه براي مثال سرطان پوست را تشخيص مي‌دهد، مي‌توان با يك دسته اطلاعات مبتني بر بايوپسي (بافت‌برداري و آزمايش ميكروسكوپي) طبقه‌بندي‌شده مقايسه كرد تا مطمئن شد كه تشخيص الگوريتم در بدخيم بودن سرطان درست است يا نه. اما در روانپزشكي هيچ‌گونه بايوپسي براي اختلالات رواني، حداقل تاكنون، وجود ندارد. هايمن مي‌گويد:

و شما شگفت‌زده مي‌شويد وقتي مي‌بينيد كه افراد چقدر اين موضوع را فراموش مي‌كنند.

آينده‌ي روانپزشكي محاسباتي چالش‌هاي خاص خود را دارد، چالش‌هايي كه اكنون ما را شگفت‌زده مي‌كند اما ممكن است در آينده تهديد‌آميز باشد. اگر روش عكس‌برداري مغزي غيرتاخيري كه اكنون پژوهشگران در حال توسعه و بهبود آن هستند، در آينده به‌صورت ارزان و آسان در دسترس باشد و براي الگوها و سناريوهاي خاصي به اندازه‌ي كافي دقيق باشد، پس بي‌راه نيست دنيايي را تصور كنيم كه اساسا در آن مي‌توان افكار را پايش كرد، نوعي از تكنولوژي كه مستعد سواستفاده است.

شايد نگران‌كننده‌ترين توانايي بالقوه‌ي روانپزشكي محاسباتي پيوستن آن به فهرست بدنام و دراز علومي است كه باعث مي‌شود مردم از برخي مفاهيم اساسي محروم شوند. اگر ما به احساسات انساني عدد و علائم بيوفيزيكي اختصاص دهيم، پس روح انسان چه مي‌شود؟ چه چيزي باعث مي‌شود ما به‌جاي يك مدل ارگانيك پيچيده، يك انسان باشيم؟

چاندرا سريپادا، دانشيار فلسفه و روانپزشكي در دانشگاه ميشيگان مي‌گويد:

ما مي‌بينيم كه هيچ روحي در ماشين وجود ندارد. فقط يه ماشين است.

سريپادا معتقد است كه اين نگراني بي‌اساس است. اين نوع نگراني در شاخه‌هاي ديگر و قديمي‌تر روانپزشكي مانند رفتاردرماني B. F. Skinner نيز وجود داشته است. سريپادا ادامه مي‌دهد:

در هر انديشه متخصصينيه جامع روانپزشكي اين نگراني وجود دارد كه بُعد روحي انسان كنار گذاشته مي‌شود. مردم همواره نگرانند كه آن بعد مرموز از كسي كه هستند براي هميشه از توضيح در امان باشد.

درحالي‌كه مدل‌هاي محاسباتي اين توانايي بالقوه را دارند كه در تشخيص و معالجعه‌ي اختلالات رواني مؤثر باشند، اما دانشمندان از لحاظ درانديشه متخصصينگرفتن هر دو جنبه‌ي قضيه تحت فشار خواهند بود. هرچه كه باشد روانپزشكان با انسان‌ها سروكار دارند و نمي‌خواهند تجربيات خود بيماران را ناديده بگيرند. مردم مي‌خواهند مانند يك انسان با آن‌ها رفتار شود. فاكتورهاي اجتماعي و محيط‌زيست آن‌ها در تشخيص و درمان اختلالات مهم است. چشم‌پوشي از اين فاكتورها واين طرز تفكر كه اين فاكتورها براي معالجعه مهم نيستند بسيار خطرناك است.

هامفريز در اين مورد مي‌گويد:

چيزي كه شما آن‌ را روح مي‌ناميد، بخش غيرقابل ‌چشم‌پوشي از روند درمان افراد است.

درك اينكه يك اختلال سلامت روان دقيقا چيست نيز به طرز شگفت‌انگيزي دشوار است. آن‌طور كه گري گرينبرگ، از روانپزشكان تنظيم‌كننده‌ي راهنماي تشخيصي و آماري اختلال‌هاي رواني مي‌گويد، عبارت اختلال براي پرهيز از به كار بردن كلمه‌ي بيماري استفاده مي‌شود، كه نشانگر عدم وجود درك فيوزوليژيكي كافي از دليل بروز اين نوع اشكالات است.

تام اينسل، هم‌بنيان‌گذار مؤسسه‌ي Mindstrong Health و مدير مؤسسه ملي سلامت روان آمريكا از سال ۲۰۰۲ تا ۲۰۱۵ مي‌گويد:

روش تشخيص اختلالات رواني كه ما امروزه استفاده مي‌كنيم، محدوديت‌هاي زيادي دارد. درواقع اين كار كمي شبيه تشخيص بيماري قلبي بدون استفاده از ابزارهاي نوين مانند نوار قلب، اسكن‌هاي قلبي عروقي و آزمايش خون است.

دانشمندان اميدوارند كه روانپزشكي محاسباتي بتواند معادل اين ابزارها را براي تشخيص و معالجعه‌ي اختلالات رواني فراهم كند. درك فعلي ما از دليل بروز اختلالات سلامت روان بسيار مبهم است. باور عموم اين است كه نوعي از عدم تعادل شيميايي در بدن در بروز اين اختلالات به‌خصوص افسردگي نقش دارد. اما اكنون باور بيشتر افراد اين است كه مغز انسان مانند چندين مدار الكتريكي پيچيده است، هر گاه در بخشي از اين مدارها اشكالي پيش آيد، يك نوع اختلال سلامت روان به وجود مي‌آيد.

آن‌طور كه اينسل مي‌گويد، يكي از اشكالات روانپزشكي، عدم وجود نشانه‌هاي بيوفيزيكي اختلالات رواني است. جمع‌آوري دقيق اطلاعات خوداظهاري از بيماران باعث به‌وجود آمدن يك طبقه‌بندي از اختلالات گوناگون شده است كه به اعتقاد اينسل يكي از حوزه‌هايي است كه روانپزشكي در آن موفق عمل كرده است. اما بدون تشخيص دلايل فيزيولوژي عصبي، به انديشه متخصصين مي‌رسد روانپزشكي يك علم كامل نيست. اينسل مي‌گويد:

اين طبقه‌بندي لازم است، اما كافي نيست.

مدير فعلي مؤسسه ملي سلامت روان آمريكا، جاشوآ گوردون با اين سخن موافق است. حركت اين مؤسسه به سوي ملاك‌هاي تشخيصي واقعي‌تر در حوزه‌ي روانپزشكي در زمان مديريت استيون هايمن بين سال‌هاي ۱۹۹۶ و ۲۰۰۱ شروع شد كه بعدا توسط اينسل به پيش برده شد و اكنون گوردون سعي دارد با تزريق منابع مالي به تحقيقات، اين هدف را پيگيري مي‌كند تا بتوان براساس اطلاعات واقعي و محكم روش‌هاي تشخيص اختلالات سلامت روان را بهبود داد و روش‌هاي معالجعه‌ي مناسب‌تري براي بيماران فراهم كرد. گوردون معتقد است كه باور برخي در مورد سوق دادن پزشكان توسط راهنماي تشخيصي و آماري اختلال‌هاي رواني به سوي تجويز بيشتر دارو نادرست است. بهترين كار استفاده از موثرترين روش ممكن است.

گوردون مي‌گويد:

ما بايد اين موضوع را به رسميت بشناسيم كه در علم روانپزشكي، روش‌هاي تشخيص فعلي ما بهرحال كاملا رضايت‌بخش نيستند.

چيزي كه بيشتر باعث پيچيده‌تر شدن موضوع مي‌شود، گوناگوني اختلالات سلامت روان است. در مغز افرادي كه مبتلا به افسردگي هستند، گمان مي‌رود كه نوعي تركيب شيميايي مشترك است؛ اما گرينبرگ مي‌گويد همه‌ي اين افراد از انديشه متخصصين معيارهاي راهنماي تشخيصي و آماري اختلال‌هاي رواني، افسرده به شمار نمي‌آيند. همچنين نكته‌ي ديگر اين است كه بسياري از اختلالات رواني شامل يك طيف مي‌شوند. براي مثال طبق تشخيص روانپزشك، من مبتلا به اختلال شخصيت مرزي به همراه كمي اختلال دوقطبي هستم، يعني هيچ مرز مشخصي بين اختلالات رواني وجود ندارد. گرينبرگ اضافه مي‌كند باتوجه‌به اينكه طبقه‌بندي اين اختلالات بدون وجود پايه‌ي فيزيولوژيكي انجام گرفته است، براي تأييد مدل راهنماي تشخيصي و آماري اختلال‌هاي رواني بايد رابطه‌ي تك‌تك بين اختلالات رواني در افراد مختلف كه خود را به شكل‌هاي مختلفي نشان مي‌دهند و همگي از يك اشكال در مغز نشات مي‌گيرند را كشف كرد. اما گرينبرگ مي‌گويد: «انجام اين كار دشوار به شانس زيادي نياز دارد.»

اما در مورد شرايط محيطي چطور؟ برخي از اختلالات رواني ممكن است در اثر اتفاقات بيروني ايجاد شوند، اتفاقاتي مانند مرگ، جداشدن از زوج، تغيير در وضعيت مالي، استرس و تغيير بزرگ در زندگي. البته تاثير اين موارد بر روان افراد ممكن است در اثر گذر زمان و انجام اقداماتي كاهش يابد. اينسل در اين مورد معتقد است:

اختلالي مانند افسردگي در حقيقت ناشي از بيماري‌هاي خيلي خيلي زيادي است. افسردگي مثل تب است. در اثر بيماري‌هاي زيادي مي‌توان دچار تب شد. به همين ترتيب دلايل زيادي وجود دارند كه مي‌توانند به بروز يك اختلال رواني قابل‌توجه منجر شوند. ما كاري كه امروزه انجام مي‌دهيم، از اندازه‌گيري دماي بدن شخص و گفتن اينكه «خب تو تب داري و بايد كاري كنيم كه دماي بدن تو پايين بيايد» فراتر نمي‌رويم و فقط داروهاي ضدفسردگي تجويز مي‌كنيم.

چيزي كه ما الان پيش رو داريم، يك مدل نيست. وايتني الن، هماهنگ‌كننده‌ي تحقيق جاي مرا در داخل دستگاه نه چندان بي سروصدا گرفته است. او به خاطر تصويربرداري از دو سناريوي مختلف در داخل دستگاه دراز كشيده است. در يكي از اين سناريوها او تصور مي‌كند كه با ۵۰ دلاري كه به او داده شده، براي شام خود استيك سفارش داده است. او در حال تصور خوردن گوشت، چشيدن مزه‌ي آن و احساس كردن آن در داخل دهان، بين دندان‌ها و روي زبان و لثه‌هاي خود است. در سناريوي دوم او تصور مي‌كند كه يك سال بعد با ۱۰۰ دلاري كه به او داده شده، يك جفت كفش خريده است. او تصور مي‌كند كه پدرش جعبه‌ي كفش را به او مي‌دهد و الان مي‌تواند وزن جعبه را روي دستانش احساس كند. اين افكار متمركزشده‌ي او درواقع باعث حركت دادن يك وسيله در دستگاه MRI مي‌شود، يك اسلايدر. او مي‌تواند حركت اسلايدر را از آينه ببيند، همان آينه‌اي كه من هم از آن استفاده كردم. از اين طريق او مي‌تواند ببيند كه آيا به اندازه‌ي كافي با تمركز در مورد زمان آينده يا حال فكر مي‌كند يا نه. در پشت شيشه و روي يك صفحه‌نمايش رايانه، طوفاني از ووكسل‌هاي آبي و قرمز رنگ روشن مي‌شوند. درواقع در طول يك بازه‌ي زماني كوتاه، هر دو ثانيه يك‌بار، درپوش جعبه‌ي سياه داخل جمجمه‌ي ما اندكي باز مي‌شود.

از الن خواسته شده تا افكار خود را روي آينده يا زمان حال متمركز كند تا به اين ترتيب پژوهشگران دريابند كه هنگام فكر كردن به لذت‌هاي آني و تاخيري در زير كاپوت سر ما چه مي‌گذرد. اين اطلاعات مي‌تواند به معالجه‌ي افرادي كه به انديشه متخصصين مي‌رسد نمي‌توانند دست از لذت‌هاي آني بردارند، مانند معتادان، مفيد باشد. آزمايگشاه دكتر استفان لاكونته با همكاري مركز تحقيقات بازتواني اعتياد در طبقه‌ي سوم مؤسسه فرالين در صدد است با استفاده از اسكن‌هاي fMRI غيرتاخيري فيدبك‌هاي عصبي مغز افراد تحت مطالعه را ثبت كند.

هارشاآدهان دشپانده، دانشجوي دكتراي مهندسي بيوپزشكي كه در آزمايشگا لاكونته كار مي‌كند، هدف اين مطالعه را براي من توضيح مي‌دهد. اگر افراد داراي اعتياد داراي پنجره زماني كوتاه باشند، ممكن است بتوان به آن‌ها كمك كرد تا بهتر بتوانند به‌صورت بلندمدت فكر كنند. فيدبك‌هاي عصبي به‌دست‌آمده از اسكن‌هاي مغزي مي‌تواند به افراد كمك كنند تا دريابند كه تا چه اندازه در طولاني‌كردن اين پنجره‌ي زماني موفق بوده‌اند. گفتني است افراد داراي پنجره‌ي زماني كوتاه نمي‌توانند به خوبي خود در آينده تصور كنند و عواقب اقدامات خود را درك كنند. دشپانده مي‌گويد:

در آينده‌اي نزديك، ما مي‌توانيم به شركت‌كنندگان در مطالعه كمك كنيم تا توانايي فكر كردن در مورد آينده را دوباره به دست آورند.

علاوه‌بر مطالعه روي اعتياد، آزمايشگاه لاكونته مشغول همكاري با زكري ايروينگ، استاد فلسفه‌ي دانشگاه ويرجينيا است، شخصي كه كار علمي خود را بر موضوع فلسفه‌ي علوم شاختي قرار داده است. ايروينگ و لاكونته با استفاده از اسكن‌هاي غيرتاخيري fMRI درصدد هستند دريابند كه ذهن يك شخص چه زماني و از چه راهي از موضوع منحرف مي‌شود. آن‌ها اميدوارند با استفاده‌ از طبقه‌بندي‌هاي صورت‌گرفته در علم انسان‌شناسي و با استفاده از اسكن‌هاي fMRI، بيش از از ابزارهاي حال حاضر، نحوي‌ تفكر افراد در مورد تجربه‌هاي خودشان را درك كنند.

ايروينگ مي‌گويد:

هدف ما اين است تا الگوريتمي داشته باشيم كه به‌صورت لحظه‌اي، تنها با نگاه كردن به فعاليت عصبي شما بتواند تشخيص دهد كه آيا ذهن شما از موضوع اصلي منحرف مي‌شود يا نه.

اين توانايي مي‌تواند متخصصدهاي زيادي از جمله در يادگيري داشته باشد. اگر معلم متوجه شود كه يك دانش‌آموز به‌ظاهر متمركز در حال روياپردازي است، رويايي كه مي‌تواند مفيد يا فقط افكار منفي باشد، مي‌تواند بسته به شرايط به او اجازه‌ي روياپردازي دهد يا اينكه براي پايان دادن به آن اقدام كند. البته اين سيستم نيز مي‌تواند بستري براي سوءاستفاده باشد. يك متخصص مايل است بداند كه چه ميزان از وقت كاري را با روياپردازي مي‌گذارند.

لاكونتو يكي از افراد پيش‌گام در حوزه‌ي تكنولوژي fMRI غيرتاخيري است، درواقع او مخترع تكنولوژي fMRI غيرتاخيري بر پايه‌ي يادگيري ماشين است. لاكونتو ظاهري متناسب با نقش خود دارد، ريش‌ قهوه‌اي، وايت‌بردي پر از فرمول‌هاي رياضي و صفحه‌نمايش‌هاي متعدد كه در حال چشمك زدن در دفتر كار او هستند. لاكونتو اولين‌بار از يادگيري ماشين در مقطع‌ متخصص كارشناسي ارشد در دانشگاه مينيسوتا استفاده كرد. او از اين ابزار براي مطالعه‌ي آن نواحي از مغز كه هنگام فشار دادن يك حسگر فعال مي‌شوند استفاده كرد. اما اكنون لاكونته از تكنيك يادگيري ماشين، نه براي مطالعه‌ي نواحي مغز به‌صورت منفرد، بلكه براي مطالعه‌ي كاركرد كلي آن استفاده مي‌كند.

لاكونته مي‌گويد:

يكي از نقاط قوت يادگيري ماشين اين است كه شما مي‌توانيد اعتبارسنجي متقابل انجام دهيد. شما مي‌توانيد يك مدل را بر مبناي يك بخش از داده‌هاي خود يادگيري دهيد و سپس دقت و عموميت آن را روي يك دسته داده‌ي مستقل كه مدل پيش از اين آن را نديده است، ارزيابي كنيد.

يادگيري ماشين نقش اساسي در تحقيق fMRI غيرتاخيري لاكونته ايفا مي‌كند؛ بدون الگوريتم‌ها نمي‌توان فيدبك عصبي دريافت كرد. لاكونته معتقد است با استفاده از يادگيري ماشين پژوهشگران مي‌توانند پا را از آزمايش‌هاي رفتارشناسي فراتر نهند و با نگاه به عملكرد خود مغز مطالعات را به پيش ببرند. اگر افراد داراي اعتياد دريابند كه كدام روش تفكر باعث مي‌شود اسلايدر موجود در دستگاه بيش‌ازپيش به سوي علامت آينده حركت كند، در آن صورت مي‌‌توانند تلاش كنند تا بيشتر به آن شيوه فكر كنند و در نتيجه پنجره‌ي زماني مغز خود را طولاني‌تر كنند و شايد از شدت اعتياد خود كم كنند.

لاكونته در اين مورد توضيح مي‌دهد:

كل ايده‌ي ما اين است كه شما مي‌توانيد با انجام آزمايش‌هاي حلقه‌بسته دقيقا تشخيص دهيد كه در داخل مغز چه اتفاقي در حال روي دادن است. به اين ترتيب از اين روش مي‌توان براي توان‌بخشي و درمان افراد كمك كرد.

روانپزشكي و دخالت پزشكي در اختلالات رواني را مانند يك استوديو رقص تصور كنيد: وجود ديوارهاي پوشيده از آينه چقدر مي‌تواند به بهبود رقص شما كمك كند؟ روي ديگر توان‌بخشي، بهبود عملكرد است. لاكونته اميدوار است تحقيقات او روزي به ما كمك كند تا به مغزمان يادگيري دهيم كه بهتر كار كند. درست مانند روش‌هاي مديتيشن كه راهبان بودايي براي افزايش تمركز و راندمان خود استفاده مي‌كنند، روشي كه ثابت شده است مي‌تواند سيم‌كشي مغز را تغيير دهد.

آزمايشگاه لاكونته به موضوعاتي كه مقاله‌ي اكلوند در مورد عدم دقت نرم‌افزارهاي fMRI مطرح كرده بود توجهي نمي‌كند. روشي كه آزمايشگاه او در پيش گرفته اين است كه از مغز پرسيده مي‌شود هنگام انجام يك كار مشخص توسط شخص مشغول انجام چه كاري است، درحالي‌كه كل مغز، نه تك‌تك نواحي آن به‌صورت منفرد، در انديشه متخصصين گرفته مي‌شود. اين روش باعث به وجود آمدن يك پاسخ مي‌شود كه مي‌تواند مثبت يا منفي باشد. آيا مغز مشغول انجام آن وظيفه است يا نه؟ با استفاده از روش نگاه كلي به مغز، آزمايشگاه لاكونته از برخي از پيچيدگي‌هايي كه ممكن است هنگام مطالعه‌ي نواحي مغز به‌صورت جداگانه پيش بيايد پرهيز مي‌كند. روش مطالعه‌ي نواحي مغز به‌صورت جداگانه باعث توليد پاسخ‌هاي متعددي مي‌شود، به‌گفته‌ي لاكونته ده‌ها هزار پاسخ كه هر قسمت درگير با انجام آن وظيفه توليد مي‌كند. در نتيجه احتمالات مختلفي در مورد درستي يا عدم درستي به وجود مي‌آيد.

اما آزمايشگاه لاكونته علاوه‌بر انجام مطالعات در زمينه‌ي اعتياد، منحصرا روي موضوعات اساسي ديگري نيز تمركز كرده كه ثابت مي‌كند روش اسكن fMRI مبتني بر يادگيري ماشين ممكن است تا دهه‌هاي آينده متخصصد چنداني پيدا نكند.

هنگامي كه نور آفتاب بعدازظهر از پنجره وارد محوطه‌ي آزمايشگاه مي‌شود و ديوارهاي پوشيده از رابطه‌هاي رياضي را روشن مي‌كند، چيو و كينگ-كيسس به نوبت فرزند تازه متولدشده‌ي خود را در آغوش خود آرام مي‌كنند و در مورد آينده‌ي روانپزشكي كه فزرند آن‌ها در آن بزرگ خواهد شد، مباحثه مي‌كنند. آينده‌اي با مدل‌هاي تشخيصي مبتني بر الگوريتم‌ (خب، طبق مدل شما دچار افسردگي هستيد كه خود را در ناحيه‌ي ايكس مغز نشان مي‌دهد و علائم ايگرگ را دارد)، درمان‌هاي هدفمند (براي درمان اختلال ايكس با علائم ايگرگ ما متوجه شده‌ايم كه در اكثر مواقع اين دارو و اين روش درماني بيشتر جواب مي‌دهد) و روش‌هاي تمرين مغزي براساس نتايج اسكن‌هاي غيرتاخيري fMRI كه علم روانپزشكي را بيش‌ازپيش به سوي يك علم پيشگيري‌كننده سوق مي‌دهد.

آن‌ها در مورد دنيايي حرف مي‌زنند كه در آن روانپزشكي، يك علم پزشكي فيزيكي است.

كينگ كيسس پيش‌بيني مي‌كند كه حداقل پنج تا ۱۰ سال سرمايه‌گذاري از سوي مؤسسه ملي بهداشت روان آمريكا نياز است تا مطالعات كلينيك‌هايي مانند كاريليون و ديگران به بار بنشيند. او مي‌گويد:

فكر مي‌كنم اين ايده‌اي است كه زمان عملياتي كردن آن فرا رسيده است.

اما چيو در مورد آينده معتقد است:

من نمي‌گويم ده‌ها سال. شايد چند سال. اما بايد اول ببينيم كه نتايج آزمايش‌هاي ما چگونه خوهد بود.

چيو و كينگ كيسس با نگاه مثبت به رويكرد استفاده از ابزارهاي جديد در روانپزشكي نگاه مي‌كنند. پيتر فوناگي، استاد دانشگاه كالج لندن و از همكاران چيو پيش‌بيني مي‌كند كه يك دهه يا حتي بيشتر طول بكشد تا تغيير بزرگي در روانپزشكي ايجاد شود. اما با وجود اين اختلاف انديشه متخصصين، همه‌ي پژوهشگران معتقدند كه حوزه‌ي جديد روانپزشكي محاسباتي ظرفيت‌هاي زيادي دارد، درحالي‌كه ظاهرا متود‌هاي فعلي روانپزشكي به بن‌بست رسيده است.

در روانپزشكي، تكه‌ها و استخوان‌هاي روش‌هايي كه قرار بود اين علم را نجات دهد پيدا مي‌شود. برخي از آن‌ها به‌طور كامل منقرض شده‌اند، مانند روان‌كاوي، و برخي از آن‌ها در حال تقلا براي زنده ماندن هستند، مانند ژنتيك و شيمي‌عصبي.

گوردون، مدير مؤسسه ملي بهداشت روان آمريكا مي‌گويد:

من فكر مي‌كنم توجه به اين موضوع مهم است كه روش‌هاي محاسباتي و تئوريك قرار نيست روانپزشكي را نجات دهند. اين روش‌ها تنها ابزارهايي هستند، ابزارهايي هيجان‌انگيز، كه اميدواريم به بيماران كمك كنند.

قبل از اينكه من خداحافظي كنم از آن‌ها مي‌پرسم كه آيا مطالعه‌ي آن‌ها، ‌در صورتي كه كامل و موفقيت‌آميز مي‌بود، مي‌توانست به تشخيص زودتر اختلال شخصيت مرزي من كمك كند و در نتيجه درمان آن زودتر شروع شود تا اطرافيان من آسيب كم‌تري مي‌ديدند.

آن‌ها معتقدند كه اين كار مي‌توانست انجام گيرد.

كم‌تر از يك سال قبل از بازديد من از مؤسسه تحقيقاتي كاريليون و مؤسسه تحقيقاتي بيوپزشكي فرالين وابسته به دانشگاه ايالتي و مؤسسه پلي‌تكنيك ويرجينيا‌ تك، روانپزشك جديد من گفت كه شايد من اختلال شخصيت دوقطبي نداشته باشم، كه شايد همه‌ي اين علائم و رفتارها، مانند احساس پر بودن سينه‌، احساس مبهم بيچارگي، شنيدن صداهايي مانند روشن بودن تلويزيون در اتاق بغلي، اتاقي كه هيچ‌وقت وجود ندارد؛ توهمات شنوايي مانند شنيدن صدايي شبيه صداي بازي‌هاي آتاري قديمي، احساس يقيني كه من يكي از بهترين نويسنده‌هاي غيرتخيلي دنيا هستم، احساس يقيني كه بين بدترين آن‌ها هستم، حملات كلامي من در قالب جمله‌هاي مسلسل‌وار و منقطع كه مانند نئون مي‌سوزد و آسمان شب را روشن مي‌كند، جملاتي كه ارزش بالاي خودم را بيان مي‌كنم و عزت‌نفسم را مي‌ستايم؛ لحظاتي كه در يك گوشه ناله مي‌كنم تا اينكه در تاريكي كامل فرو بروم، نيازهاي خردكننده‌اي كه تا مغز‌ استخوان اطرافيانم را مي‌مكد، حملات پارانويا و پنيك من، سلسله پيام‌هاي كوتاه غيرقابل‌كنترل من، وراجي‌هاي من در خلوت خودم يا در محيط‌هاي عمومي مانند خيابان يا باشگاه‌ها؛ نشان‌گر چيز ديگري باشد، يك الگوي تشخيصي پنهان‌شده در پس سايه‌ي علائم شديدتر اختلال رواني من.

من قبل از اينكه روانپزشك تشخيص دهد دچار اختلال شخصيت مرزي هستم، در روابط اجتماعي و شخصي خودم دچار اشكال اساسي بودم. اشكالاتي كه خود را به‌صورت كوبيدن و خرد كردن موبايل‌هاي تلفن، دشمن‌تراشي و كنترل شدن رفتارهايم توسط حسادت و عصبانيت نشان مي‌دادند. انگار كه من در حوزه‌ي پارانوياي خودم عمل مي‌كردم و احساساتم غيرقابل‌تشخيص و آزاردهنده بودند. اما بعد از تشخيص مي‌توانستم چشم‌انداز معالجه و بهبودي را پيش روي خودم ببينم. جلسات رفتاردرماني كه در آن‌ها شركت مي‌كنم تاثير مثبتي روي من مي‌گذارد. همين‌طور داروهاي لاموتريژين به من كمك مي‌كند تا احساسات مناسب‌تر و نواسات خلقي كم‌تري داشته باشم. درنهايت به انديشه متخصصين مي‌رسد كه بادها با شدت كمي مي‌وزند اما خسارت‌ها پيش از اين وارد شده‌اند.

با اينكه من به شكل قابل‌توجهي حال بهتري دارم اما هنوز تا درمان كامل راه درازي پيش رويم است. من اكنون متوجه اين موضوع شده‌ام كه چقدر در گذشته انسان مخربي بوده‌ام، و هم‌اكنون نيز مي‌توانم باشم. فاصله‌اي كه از گذشته‌ام گرفته‌ام به من كمك مي‌كند تا چشم‌انداز بهتري از آينده داشته باشم. همچنين خرابي‌هاي كه در گذشته به بار آورده‌ام، ديگر مثل سابق مرا اذيت نمي‌كند.

سال‌ها طول كشيد تا دوباره من به داروها اعتماد كنم. من پيش از اين در دوارن دانشگاه داروهاي بازدارنده‌هاي بازجذب سروتونين مانند سرترالين مصرف مي‌كردم كه با اينكه مرا از افسردگي عميق نجات داد، يا حداقل فكر مي‌كنم تاثير داروها اين طور بود، اما در ابتدا تاثير نه چندان ملايمي روي مغزم گذاشت. عصر بعد از اولين روزي كه دارو را مصرف كردم، ناگهان با احساس بدي از خواب بيدار شدم و خودم را سينه‌خير به در اتاق تاريك خوابگاه رساندم. من در طول روز با حالتي خواب‌آلود قدم مي‌زدم و به سختي خودم را پيش چشم دانشجوهاي نگران با كمك نرده‌هاي پله‌ها به طبقه‌ي دوم مي‌كشاندم، درحالي‌كه نمي‌توانستم يك جمله را به‌طور كامل به زبان بياورم. حتي بعد از اينكه دوز داروي من نصف شد، باز هم روياها و لرزش‌هاي وحشتناكي داشتم. دستان من طوري مي‌لرزيد كه هرچه در دستم مي‌گرفتم، تبديل به آلت موسيقي ضربه‌اي مي‌شد. اين لرزش‌ها تا به امروز نيز ادامه دارد، اما شايد دليل اينكه چرا اين لرزش‌ها اتفاق مي‌افتند در مقايسه با اينكه چرا هميشه اتفاق مي‌افتند براي من كم‌تر از گذشته اهميت دارد.

شايد بتوان شدت همه‌ي اين آسيب‌هاي ثانويه‌ي رواني را كم كرد، شايد روزي بتوان جلوي آن را گرفت.