آیا با مطالعۀ یادداشت‌های خودکشی می‌توان جان آدم‌ها را نجات داد؟

گفت‌وگویی با جان پسچن، ان.پی.آر— هر ۱۴ دقیقه، انسانی در این کشور خودکشی می‌کند و پژوهش دربارۀ روش‌هایی برای کاهش این آمار دل‌خراش گویا رونقی ندارد و وضع ثابتی پیدا کرده است. به عبارت دیگر، روان‌شناس‌ها ایده‌های تازۀ زیادی در چنته ندارند. شاید کار بر روی یادداشت‏های به‌جامانده از کسانی که خود را می‌کشند استثنا باشد. گروهی از پژوهشگران در بیمارستان اطفال سینسیناتی از رایانه‌ها برای تجزیه ‌و تحلیل زبان این پیام‌های نومیدی استفاده می‌کنند به این امید که بتوانند افراد درمعرض‌خطر را بهتر شناسایی کنند.

دکتر جان پسچن هدایت گروه پژوهشی را بر عهده دارد. او مدیر درمان محاسباتی¹ در بیمارستان کودکان سینسیناتی است.

نیل کُنان: می‌دانم که شما روی مجموعه‌ای از ۱۳۰۰ یادداشت خودکشی کار می‌کنید. چه کسی این مجموعه را درست کرد و چرا؟

جان پسچن: خب، خودم و افراد آزمایشگاهم. ما این مجموعه را طی پنج یا هفت سال اخیر جمع‌آوری کرده‌ایم. یکی از بزرگ‌ترین همکاران ما دکتر ادوین اشنایدمن بود، پدر پژوهش‌های مربوط به خودکشی در یوسی‌اِل‌ای، و دکتر انتون لینیِرز در کانادا. ما با هم برای جمع‌آوری این داده‌ها و کاویدن آن‌ها کار می‌کنیم تا چیزی را خلق کنیم که از منظری زبان‌شناختی به آن یک پیکره² می‌گویند.

کنان: یک بدنه.

پسچن: یک بدنه، بدنه‌ای از زبان، بدنه‌ای از یادداشت‌ها. و اگر بخواهیم با استفاده از فرایند طبیعی زبان و سایر روش‌ها -مثل استفاده از رایانه و هوش مصنوعی- آن‌ها را تحلیل کنیم، برای شروع، به پیکرۀ بزرگی نیاز داریم تا بتوانیم رایانه‌ها را آموزش دهیم.

پسچن: خب، دکتر اشنایدمن، پیش از فوت، به ما مجموعۀ بزرگ یا مناسبی از آن‌ها را داد، [همین‌طور] انتون لینیرز. و بعد بقیه‌اش از طرف افرادی در سراسر ایالات‌متحده رسید که تا همین امروز هم هنوز یادداشت‌هایی می‌فرستند تا شاید بتوان آن‌ها را به این پیکره اضافه کرد. و بنابراین، طی پنج تا هفت سال گذشته، توانستیم حدود ۱۳۰۰ نمونه از آن‌ها را جمع کنیم.

کنان: گاهی اوقات بعضی از ما در شاخه‌های دیگر فکر می‌کنیم کار ما د‌لگیر است. خواندن و تحلیل این چیزها باید کار غم‌انگیزی باشد.

پسچن: می‌دانی، به نظرم اگر فقط خودِ یادداشت‏ها را در نظر بگیرید، کار غم‏انگیزی است. اما وقتی به ورای آن و فرصتی برای بسط روش‌هایی نگاه کنید که جان آدم‌ها را نجات خواهد داد، نسبتاً به‌سرعت چیزهایی بیش از غم را می‌بینید. بااین‌حال، من همۀ آن‌ها را خوانده‌ام و در بسیاری از موارد داستان‏هایی به‌شدت غم‌انگیزند.

کنان: این یادداشت‌ها چه شباهت‌ها یا تفاوت‌هایی با هم دارند؟

پسچن: موقع خواندن این یادداشت‌ها، بیشترین شباهتی که پیدا کردم فقدان امید بود. وقتی امید از دست برود، وقتی ناامیدی از راه برسد -چیزی که در اکثر یادداشت‌ها هست-، آن‌وقت مردم گرایش پیدا می‌کنند [به خودکشی]. این چیزی است که بیشتر اوقات می‌بینی. بعد از آن، چیزی که فراوان دیده می‌شود دستورالعمل‌های کاربردی است. یادت نرود لاستیک‌های ماشین را عوض کنی. حواست به روغن ماشین باشد. چک کشیدم ولی پول در حسابم نریخته‌ام، لطفاً برو پول بریز به حساب. مقدار زیادی از این موارد کاربردی هست. این‌ها بعد از ایدۀ ناامیدی در رتبۀ دوم قرار می‌گیرد. سایر عواطف هم حضور دارند. می‌دانی، افسردگی هست، کمی خشم و نفرت هست، ولی نه خیلی زیاد. اما این را دوباره بگویم که ایدۀ کلی طردشدگی است، اینکه دیگر نمی‌توانم ادامه بدهم. نمی‌توانم بیشتر از این با این وضع کنار بیایم.

کنان: و شما دارید این‌ها را تحلیل می‌کنید تا به رایانه‌ها یاد بدهید چطور عبارت‌هایی از نوع مشابه را تشخیص بدهند.

پسچن: بله. خب ما در بیمارستان اطفال سینسیناتی هر هفته حدود ۴۰ نوجوان مستعد خودکشی را می‌بینیم که به اورژانس می‌آیند. حالا پرسش این است که می‌توانیم پیش‌بینی کنیم که آیا دوباره برمی‌گردند؟ از این ۴۰ نفر، حدود ۲۰ نفر را به بیمارستان می‌فرستیم و ۲۰ نفر را هم برای درمان خارج از بیمارستان به خانه برمی‌گردانیم. و می‌خواهیم این را بدانیم که آیا داریم آدم‌های درستی را به خانه می‌فرستیم؟ یا قرار است دوباره برگردند؟ احتمال اینکه دوباره برگردند چقدر است؟ بنابراین، با سؤال‌پرسیدن از آن‌ها و بعد مقایسۀ آن با یادداشت‌های خودکشی، می‌توانیم به‌نوعی ایده‌ای به دست بیاوریم از اینکه زبان آن‌ها با زبان خودکشی چقدر مشابه یا چقدر متفاوت است.

کنان: آیا این نشانگر خوبی است؟

پسچن: تا اینجا بوده. و تکرار می‌کنم، ما تنها مطالعه‌ای کوچک در بیمارستان انجام داده‌ایم. ما برای یک مطالعۀ آینده‌نگر ۳۰ نوجوان را در ۳۰ گروه‌ پایه، یا گروه شاهد، ثبت‌نام کردیم. مجموعه‌ای از مطالعات گذشته‏نگر انجام داده‌ایم. تا اینجا در حدود ۹۰ تا ۹۳ درصد در پیش‌بینی اینکه چه کسی مستعد خودکشی است (نه اینکه آیا دوباره برمی‌گردد) دقیق هستیم. برای دومی، باید آمارهای بیشتری به دست بیاوریم. ما تازه داریم آمادۀ شروع مطالعه‌ای در چهار مرکز می‌شویم که شامل ما و بیمارستان بزرگ‌سالان دانشگاه سینسیناتی در کنار دیگر مراکز درمانی می‌شود.

کنان: سازوکار مطالعه‌تان را برایمان کمی بیشتر توضیح بدهید. وقتی به بیمارستان می‌آیند، چطور از آن‌ها زبانشان را استخراج می‌کنید و چطور آن را با چیزی که در یادداشت‌های خودکشی نوشته شده مقایسه می‌کنید؟

پسچن: حتماً. خب ما فقط آنجا می‌نشینیم و افراد مسئول، که مددکاران اجتماعی‌اند، کارشان را می‌کنند. ما از آن نوجوان‌ها تعدادی سؤال می‌پرسیم. چیزهایی مثل اینکه آیا امید داری؟ آیا رازی در دلت پنهان کرده‌ای که بخواهی درباره‌اش با ما حرف بزنی؟ از نظر احساسی دردت کجاست؟ و به جواب‌هایشان گوش می‌دهیم.

بعد، در این مرحله، چون بدنۀ زبانی نوجوان در حال شکل‏گیری است، متن را پیاده می‌کنیم. و بعد، از تکنیک‌هایی استفاده می‏کنیم که دیگران و خودمان برای مقایسۀ بدنۀ زبانی هر نوجوان با پیکرۀ مناسب آن به ‌وجود آورده‏ایم، یعنی بدنۀ زبانی هر کس را با پیکرۀ زبانی بزرگ‌تر مقایسه می‏کنیم. و این ذیل ایدۀ کلی پردازش زبان‌های طبیعی قرار می‌گیرد.

کنان: می‌گویید طبیعی؛ یادگیری ماشینی هم بخشی از آن است؟

پسچن: می‌دانی، یادگیری ماشینی قرار است حد نهایی باشد و پردازش زبان‌ طبیعی بناست یکی از روش‌هایی باشد که ذیل یادگیری رایانه جای می‌گیرد. چندین ابزار، همه‌جور ابزاری، در یادگیری ماشینی هست، پردازش زبان‌های طبیعی هم یکی از آن‌هاست.

کنان: سازوکارش چگونه است؟

پسچن: خب، کاری که ما می‌کنیم این است که این یادداشت‌ها را برمی‏داریم و خب، ما در آغاز کار کمک‌های شایان‌توجهی از بازماندگان دریافت کردیم. منظورم از بازماندگان افرادی است که کسی در خانواده‌شان بوده که از طریق خودکشی مرده است. چون وقتی شما این یادداشت‏ها را می‌خوانید باید بتوانید عواطف موجود در آن‌ها را تفسیر کنید. باید نگاه کنید و بگویید آهان، من واقعاً از دست مادرم شاکی‌ام. این خشم است یا نفرت؟ کسی باید باشد که بتواند آن‌ها را کامل بخواند و تفسیر کند و بگوید … پس ما این‌ها را داشتیم …

کنان: که به رایانه‌ای بگویید که نمی‌تواند این را بفهمد، بله.

پسچن: دقیقاً. دقیقاً. پس این تفاسیر موتور محرک نحوۀ نگرش رایانه به یادداشت‌هاست. ۱۶۰ بازمانده داوطلب شدند و تمام یادداشت‌ها را سه بار خواندند تا ما بتوانیم پایاییِ بین ارزیابان ³ خوبی، به ‌قول خودمان، داشته باشیم. و بعد، نیمی از آن‌ها را به رایانه دادیم و گفتیم از این‌ها یاد بگیر، و بعد نیم دیگر را بی‏جواب گذاشتیم و از رایانه خواستیم یاد بگیرد، یعنی به ما بگوید که جواب چه باید باشد.

این کار را برای افزایش کیفیت انجام دادیم. ما این کار را طی یک رقابت بین‌المللی با حمایت مؤسسۀ ملی سلامت انجام دادیم. داده‌ها را در اختیار زبان‌شناسانی از سراسر جهان قرار دادیم تا با هم رقابت کنند و ببینیم چه کسی می‌تواند بهترین روش‌ها را پیدا کند برای پیش‌بینی اینکه با کدام عواطف، یا کدام دسته‌بندی‌های عاطفی سروکار داریم.

کنان: و همین‌طور می‌گویی که مطالعات گذشته‏‌نگر انجام دادید. به عبارت دیگر، به عقب برگشتید و وارد …

پسچن: خلاصه، ما داده‌های قدیمی را برداشتیم … و این قدیمی‌ها به این ‌صورت نبود که از افراد ثبت‌نام شده باشد، اما داده‌هایی در گوشه‌وکنارها موجود بود. یک نمونۀ آن ۶۶ یادداشتی بود که اشنایدمن جمع‌آوری کرده بود. ۳۳ تای آن‌ها متعلق به افرادی بود که واقعاً اقدام [به خودکشی] کرده بودند و ۳۳ تای آن‌ها یادداشت‌هایی بودند که اشنایدمن [برای تهیۀ آن‌ها] به یک اتحادیۀ کارگری محلی نزدیک یوسی‌اِل‌ای رفته بود و گفته بود اگر قرار بود بمیرید، اگر قرار بود خودکشی کنید، چه چیزی می‌نوشتید؟

و ما این یادداشت‌ها را برداشتیم و با هم قاطی کردیم و بعد از حدود ۶۰ متخصص سلامت روان خواستیم تا به ما بگویند کدام‌ها واقعی و کدام‌ها شبیه‌سازی‌شده‌اند. متخصصان سلامت روان، مثل شیر یا خط، حدود ۵۰ درصد اوقات درست می‌گفتند. البته سوءبرداشت نشود، این وظیفۀ سختی است.

اما رایانه حدود ۹۰ درصد اوقات درست می‌گفت. و دلیل آن، به اعتقاد ما، ایده‌ای کلی به نام پدیدارشناسی روان‌شناختی است که بر اساس آن وقتی شما، مثلاً آقای نیل، چیزی را می‌بینید، آن را به‌نحوی تفسیر می‌کنید که یاد گرفته‌اید آن را تفسیر کنید و من، جان، وقتی چیزی را می‌بینم، عیناً همان چیز، بناست آن را طوری تفسیر کنم که فکر می‌کنم باید این‌طور تفسیر شود. رایانه‌ها این کار را نمی‌کنند. مردم این کار را می‌کنند. رایانه‌ها به ساختار جمله، الگوهای اسمی و فعلی و چیزهایی از این دست نگاه می‌کنند.

کنان: این ایده که رایانه‏ها قرار است دربارۀ آدم‌ها تشخیص پزشکی بدهند مردم را خواهد ترساند.

پسچن: آهان، بله. خب، ما هرگز این کار را نمی‌کنیم. ما اطلاعاتِ پشتیبان برای تصمیم‌گیری ارائه می‌دهیم. در امر تشخیص کمک می‌کنیم. در تهیۀ اطلاعات کمک می‌کنیم. آکادمی ملی پزشکی کمی قبل کتابی منتشر کرد به نام بیمارستان یادگیرنده ⁴. و حرف نویسندگان کتاب این بود که اطلاعات زیادی هست، بیشتر از چیزی که یک نفر بتواند همه را کنار هم بگذارد، تحلیل کند و تشخیصی ارائه دهد. به روش‌های بهتری برای ارائۀ اطلاعات احتیاج داریم. و این کاری است که ما می‌کنیم. ما این اطلاعات را ارائه می‌کنیم. درنهایت، هنر و ارزش پزشکی در تعامل انسانی است.

کنان: تعامل انسانی. پس رایانه ممکن است زنگ خطر را به صدا درآورد، اما یک انسان باید برود و تصمیم بگیرد.

پسچن: بله، رایانه توضیحی را فراهم می‏کند و می‏گوید. می‌دانی، درست مثل این‌ است که مرض قند داشته باشی و بروی بیمارستان و قند خونت بالا باشد. آن‌وقت رایانه -یا دستگاه آزمایشگاه- می‌گوید این شبیه است به سایر افرادی که مرض قند دارند. بهتر است بررسی‌اش کنی. تفاوتی ندارد. در قند خون داری به نشانه‌های زیستی نگاه می‌کنی؛ کار ما این است که به نشانه‌های فکری نگاه کنیم.

کنان: نشانه‌های فکری. کلمۀ جالبی برای بیان حرفتان است. چه کسی این اصطلاح را ساخته است؟

پسچن: من ساختم. دلیلش این است که من صدها زیست‌شناس دوروبرم دارم و اگر کلمه‌هایی نساخته باشم که بفهمند، هرگز نمی‌توانم با آن‌ها حرف بزنم.

کنان: معذرت می‌خواهم. می‌دانم که داریم دربارۀ خودکشی حرف می‌زنیم و نباید بخندیم. اما هر حرفه‌ای زبان صنفی خودش را دارد و بنابراین، گمان کنم که شما هم باید یکی برای حرفۀ خودتان دست‌وپا کنید. و افرادی که با آن‌ها کار می‌کنید، آن‌هایی که هم‌اینک با آن‌ها کار می‌کنید، نوجوانانی‌اند که به بیمارستان می‌آیند و این تکنیک را امتحان می‌کنند؟

پسچن: بله. مطالعه‌ای که تازه داریم مراحلِ نهایی‌اش را انجام می‌دهیم و آماده می‌کنیم تا برای هیئت‌های بازبینی مؤسسات بفرستیم شامل نوجوانان و بزرگ‌سالان می‌شود. اینجا بیمارستان اطفال است. ما سالانه بیش از یک میلیون بیمار ویزیت می‌کنیم، اما فقط ۴۰ تا از این‌ها مستعد خودکشی‌اند. بیمارستان اطفال در این مطالعه خواهد بود و بخش روان‌پزشکی بزرگ‌سالان در دانشگاه سینسیناتی. همچنین بیمارستانی در پرینستون، و مرکز درمانی دیگری در وست ویرجینیا و بیمارستانی واقع در رشته‌کوه آپالاش را نیز داریم. و در کنار آن‌ها، نظام درمانی کانادا. بنابراین این‌ها قرار است چهار مرکزی باشند که این کار را در مقیاسی بزرگ‌تر در آن‌ها انجام می‌دهیم.

کنان: سن بیمارانی که می‌بینید چقدر است؟

پسچن: ما با نوجوان‌ها کار می‌کنیم، بنابراین سروکارمان با هر سنی میان ۱۱ تا ۱۸ سال است.

کنان: آیا هیچ تفاوتی بین زبانی که نوجوانان استفاده می‌کنند با زبانی که بزرگ‌سالان استفاده می‌کنند هست؟

پسچن: می‌دانی، فکر می‌کنم در تعداد «مثلِ» و «آآم» در یک جمله، بله. اما، به ‌غیر از آن، چیزی که هست این است که عواطف مثل هم‌اند. فقط ممکن است آن را طور دیگری بیان کنند.

کنان: اجازه بدهید برگردیم به حرفی که قبل‌تر زدید، وقتی گفتید که مددکاران اجتماعی و پزشکان حدود ۵۰ درصد مواقع درست تشخیص می‌دهند و ماشین حدود ۹۰ درصد مواقع. آیا این حرف به قوت خود باقی بوده است؟

پسچن: بله. خب، باید دوباره آن را آزمایش کنیم. این همان چیزی است که این مطالعۀ بزرگ‌تر مد نظر دارد، آن دقت، دقت یک پزشک. ما می‌خواهیم الگوهای صوتی را هم در آن بگنجانیم. وقتی آن حرف‌ها گفته می‌شود صدا چه کیفیتی دارد، و همین‌طور الگوهای تصویری. بنابراین ایده‌مان خلق یک انسان مجازی است، دست‌کم برای نوجوانان، که بتوانند در اورژانس با آن حرف بزنند و شما بتوانید ویژگی‌های تصویر و صدایشان را در کنار ویژگی‌های زبان‌شناختی‌شان داشته باشید. این هدف درازمدت ماست. خب، ولی باید آن را آزمایش کنیم …

کنان: تا ادغام جنبه‌های صوتی و تصویری چقدر فاصله دارید؟

پسچن: مطالعۀ بعدی صوت، تصویر و عوامل وراثتی را ادغام می‌کند. درنتیجه این‌ها سه ویژگی‌ای هستند ورای زبان.

کنان: برای این‌ها چطور پیکره درست می‌کنید؟

پسچن: در این مورد، دقیقاً از همان روشی استفاده می‌کنیم که اولین ‌بار انجام دادیم، در مطالعۀ اول. و با بچه‌ها و بزرگ‌سالان حرف می‌زنیم. خب قرار است حدوداً ۵۰۰نفری که در این مطالعه ثبت‌نام کرده‌اند حضور داشته باشند. اما تصویر را هم با یک دوربین و صوت را هم با یک ضبط صوت ضبط می‌کنیم، و عوامل وراثتی هم با وسیلۀ کوچکِ مسواک‌مانندی به اسم نمونۀ دهانی ثبت می‌شود که آن را از درون دهان به‌سمت گونه‌تان می‌کشید و بعد برای تحلیل فرستاده می‌شود.

کنان: نتیجۀ این تحقیقات، از این نظر که به افراد هشدار می‏دهد چه کسی در معرض خطر بیشتری قرار دارد، می‌تواند پیشرفت بزرگی باشد.

پسچن: بله، می‌تواند باشد. اما راه درازی در پیش داریم.

کنان: فکر می‌کنید مطالعۀ بعدی کی قرار است تمام شود؟

پسچن: امیدوارم که ثبت‌نام را اوایل پاییز شروع کنیم. ثبت‌نام حدود یک سال تا ۱۸ ماه طول خواهد کشید و بعد حدود یک سال، قبل‌ازآنکه بتوانیم به‌نوعی به آن مرحله برسیم، وقت برای تحلیل لازم است. پس چند سالی طول می‌کشد.

کنان: و می‌توانید بی‌قراری مردمی را درک کنید که می‌گویند صبر کن ببینم! اگر این کار نویدبخش است، چرا نمی‌توانیم الان از آن استفاده کنیم؟

پسچن: آهان. درست است. ولی نمی‌توانیم از آن استفاده کنیم؛ به ‌اندازۀ کافی آزمایش نشده است.

کنان: چون خطر خیلی زیادی دارد.

پسچن: خب، باید تکرار کنم که ما قرار نیست تشخیص بدهیم، پس هرگز خطری در این نیست که به پزشک اطلاعات بیشتر و داده‌های بیشتری ارائه دهیم تا بتواند بفهمد چه خبر است. اما، تا جایی که به یک آزمایش تکمیل‌شده مربوط است، هنوز کارهای زیادی باید بکنیم.

کنان: و شما باید [میزان] پایایی آن را بسنجید؟

پسچن: همین‌طور است. پایایی، اعتبار، تعمیم‌پذیری، همۀ این‌ها باید آزموده شوند.

کنان: در همۀ این‌ها موفق باشید.

پسچن: متشکرم.

کنان: و تبریک بابت کلمۀ ‌نشانه‌های فکری. خوشم آمد.

پسچن: اگر خوشت آمده، می‌توانی هروقت خواستی از آن استفاده کنی.

کنان: بسیار ممنونم. قدردانی می‌کنم.