乾明 整理编译自 ACM
量子位 报道 | 公众号 QbitAI
“我看你打字方式异于常人，是不是脑子有点不太正常？”
这不是一句骂人的话，而是基于正儿八经的学术研究得出的结论。近日，ACM上发表了一篇文章，详细介绍了这一研究趋势。
现在，研究人员已经在利用人工智能来分析人们的打字方式，从而来判断对方是不是患有帕金森、精神分裂症、抑郁症或者其他类型的精神疾病了。
之所以能够进行这些研究，主要是因为现在的设备变得越来越厉害，不论是你使用的智能手机、平板电脑还是计算机，都能够测量到几毫秒以内的打字活动。
再加上人工智能从数据中识别特定模式的能力变得越来越强大，发现日常打字行为中轻微的异常，也就是分分钟的事情。
基础条件有了，相关的研究也就紧跟着出来了。
相关研究
今年早些时候，德克斯萨大学的研究人员发表了一项研究，通过捕捉研究对象是如何使用键盘打字的数据，然后利用人工智能软件进行处理，从而来识别患有帕金森病的打字者。
这项研究的一位作者、同时也是nQ Medical的首席数据科学家Teresa Arroyo Gallego说，“未来对键盘输入和点触屏幕行为的追踪，将成为数字设备的一种度量标准，添加到病人的电子病历中。”
与此同时，一家加州的医疗创新公司Mindstrong Health的研究人员表示，他们能够通过分析打字模式以及观察鼠标滚动、滑动和点击的行为，来诊断一个人是否患有精神分裂症。
这家公司的创始人兼首席执行官Paul Dagum说：“我们相信，数字标记，是基于测量的心理健康护理的基础，在这个方面，还有大量的患者需求没有被满足。”
在加州的另一个研究团队正在利用他们自己的自旋按键分析，来帮助检测其他疾病，比如阿尔茨海默氏病、抑郁症、亨廷顿氏病、快速眼动睡眠行为障碍和心脏问题。
研究实现的逻辑
这些研究都是如何实现的呢？具体来说，是观察分析打字者的手指是如何动的。
在德克萨斯大学的研究中，研究人员表示，他们主要依靠一个软件来完成研究。这个软件可以捕捉到打字者从一个按键移动到下一个按键所需要的毫秒时间。他们将其称为“飞行时间”（flight time）。
收集完数据之后，再利用它们训练人工智能软件，来识别出帕金森患者共有的一种打字模式，最后再拿着训练有素的人工智能软件运行新的数据来寻找匹配对象。在他们的研究中，这一套流程完成的还不错，结果挺好。
“从数据中提炼出来的打字模式非常复杂，个体之间的差异很大，”德克萨斯大学生物医学信息学学院助理教授、德克萨斯大学这一项研究的另一位作者Luca Giancardo说。“这就是为什么我们要使用机器学习算法来分析相关的数据。”
德克萨斯大学的研究人员称，从打字模式的不一致中，能够看出来帕金森病的迹象。因为随着时间的推移，帕金森病患者打字的方式也会不同，比如手指的速度会减慢，灵活性会降低。
在这些研究中，德克萨斯大学的研究中使用的方式非常有优势的一点是，诊断起来非常方便。研究对象可以像平常一样使用智能手机和其他数字设备，安装在这些设备上的软件，会通过互联网将他们的输入数据传到研究人员的电脑上。
有什么用？
ACM上的文章中指出，这项研究最大的优势就在于能够比普通方法更早的检测出帕金森病。
纽约城市学院心理学副教授Timothy Ellmore指出，能够及早诊断出帕金森，在治病的时候非常关键。通常情况下，在诊断出帕金森的时候，与这种病有关的大部分脑细胞，也就是多巴胺神经元，都已经死光光了，这个时候在治病就已经太晚了。
当前流行的治疗方式只能治标，不能治本。随着时间的推移，症状会越来越严重。
Ellmore说，德克萨斯大学的研究可能会改变这种现状。使用他们的方法，能够更早诊断出来相关的病症，进行神经保护治疗，会更有机会阻止或减缓神经元的死亡。
不过，他认为，这一技术还需要进一步的验证才能运用到实际的诊断当中。在未来，这个工具在扩充医生现有的工具方面可能非常有用。
另一位业内人士Zoltan Mari也持有同样的观点，他补充道，这是一个非常有趣且可能有所帮助的想法，但还需要在实际的临床场景中进行更大规模的测试、进一步验证其可行性。
他预计，像德克萨斯大学这样的研究将会不断的发展和完善，这要归功于不断增加的大型数据库的可用性，以及我们不断提高更好地使用大数据的能力。
相关研究传送门：https://www.ncbi.nlm.nih.gov/pubmed/29581092
原文链接：https://cacm.acm.org/news/231160-detecting-illness-by-watching-you-type/fulltext
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ’ᴗ’ ի 追踪AI技术和产品新动态