9月28日消息，来自加州大学圣地亚哥医学院的研究人员利用人工智能算法对老年人的孤独感进行了量化，并确定了老年人在言语中如何表达孤独感。

在过去的二十多年里，社会科学家们描述了人口中孤独感上升的趋势。特别是过去十年所做的研究，记录了社会上大片地区孤独率的上升，这对抑郁率、自杀率、药物使用和总体健康都有影响。这些问题只有在科维德-19大流行的情况下才会加剧，因为人们无法安全地见面和亲自社交。某些群体更容易受到极端孤独感的影响，比如边缘化群体和老年人。正如MedicalXpress所报道的那样，加州大学圣地亚哥分校所做的一项研究发现，如果计算那些报告经历过中度或重度孤独的人，老年住宅社区的孤独率接近85%。

为了确定解决这一问题的方法，社会科学家需要准确地了解情况，确定问题的深度和广度。遗憾的是，大多数收集孤独数据的方法在显著的方面都是有限的。例如，自我报告可能会偏向于更极端的孤独情况。此外，直接要求研究参与者量化他们的 "孤独 "感觉的问题，有时会因为围绕孤独的社会耻辱而不准确。

为了设计一个更好的量化孤独感的度量标准，研究的作者转向了自然语言处理和机器学习。研究人员所使用的NLP方法与传统的孤独感测量工具一起使用，其希望通过分析人们使用语言的自然方式，能够减少偏见，更真实地反映人们的孤独感。

这项新研究的资深作者是加州大学圣地亚哥分校医学院精神病学助理教授Ellen Lee。李和其他研究人员将研究重点放在了80名66岁至94岁之间的参与者身上。研究人员鼓励研究的参与者以一种比大多数其他研究更自然和非结构化的方式回答问题。研究人员并不只是问问题和对答案进行分类。正如第一作者博士Varsha Badal所解释的那样，使用机器学习和NLP使研究团队能够将这些长篇大论的访谈答案，并发现微妙的词语选择和语言模式如何在一起时表明孤独感。

"NLP和机器学习让我们能够系统地研究来自许多人的长篇访谈，并探索情感等微妙的言语特征是如何表明孤独感的。人类进行类似的情绪分析会出现偏差，缺乏一致性，并且需要大量的训练才能标准化。"

据研究团队介绍，与非孤独的受访者相比，孤独的个体在回答问题的方式上有明显的差异。孤独的受访者在被问及有关孤独的问题时，会表达更多的悲伤，而且一般来说回答的时间较长。男性比女性更不可能承认感到孤独。此外，男性比女性更容易使用表达喜悦或恐惧的词语。

该研究的研究人员解释说，研究结果有助于阐明孤独感的典型研究指标与个人主观体验和描述孤独感的方式之间的差异。研究结果暗示，孤独感可以通过分析语音模式来检测，如果这些模式被证明是可靠的，它们可以帮助诊断和治疗老年人的孤独感。研究人员设计的机器学习模型能够以大约94%的准确率预测定性孤独。需要进行更多的研究，以了解该模型是否稳健，其成功是否可以复制。同时，研究团队的成员希望探索NLP的特征如何与智慧和孤独相关联，因为这两者在老年人中具有反向相关性。