根据世界卫生组织统计，全球每年约有80万人自杀身亡。评估自杀风险是心理健康临床医生面临的最大挑战之一：具有自杀想法的病人常常掩盖其意图，而临床医生对自杀风险的预测也一直不甚理想。因此，人们亟须不依赖于自我报告的自杀风险标记。

此次，美国卡内基梅隆大学科学家马塞尔·加斯特、戴维·布兰特及其同事，向具有自杀倾向的病人和对照组个体展示与死亡和生命相关的单词，在此过程中对他们进行功能性磁共振成像扫描。结果发现，对其中六个单词（死亡、残忍、麻烦、无忧无虑、良好和赞美）的神经活动应答以及五个脑区的神经活动，最有助于区分想自杀的病人和对照组个体。之后，研究者训练一种机器学习算法，使用这些信息来鉴定哪些被试是病人，哪些是对照组个体。人工智能准确鉴定出了17位自杀倾向组病人中的15位，以及17位对照组健康个体中的16位。

该算法还可以在具有自杀想法的人中，进一步区分哪些做过自杀尝试，而哪些没有。研究者将想自杀的病人分为两个小组：曾尝试过自杀（9位）和未尝试过自杀（8位）。该算法经训练后，极其准确地鉴定出了16人的情况。

评论认为，如果复制并扩展到其他精神疾病群体，那么此次开发出的技术与类似的功能性神经造影方法，有望成为诊断神经精神疾病的主要医学工具。