[论文解读] Quantitative Analysis of Narrative Reports of Psychedelic Drugs

Jeremy Coyle, David E. Presti+1 more|arXiv (Cornell University)|Jun 1, 2012

Psychedelics and Drug Studies参考文献 37被引用 14

一句话总结

本研究将机器学习应用于1,000份致幻药物的叙事报告，以识别区分药物体验的言语模式。基于词频矩阵使用随机森林分类器，分类准确率达到51.1%，远超随机水平，表明自然语言分析可揭示一致且具有药物特异性的现象学特征轮廓，其中MDMA报告的分类准确率最高（86.9%）。

ABSTRACT

Background: Psychedelic drugs facilitate profound changes in consciousness and have potential to provide insights into the nature of human mental processes and their relation to brain physiology. Yet published scientific literature reflects a very limited understanding of the effects of these drugs, especially for newer synthetic compounds. The number of clinical trials and range of drugs formally studied is dwarfed by the number of written descriptions of the many drugs taken by people. Analysis of these descriptions using machine-learning techniques can provide a framework for learning about these drug use experiences. Methods: We collected 1000 reports of 10 drugs from the drug information website Erowid.org and formed a term-document frequency matrix. Using variable selection and a random-forest classifier, we identified a subset of words that differentiated between drugs. Results: A random forest using a subset of 110 predictor variables classified with accuracy comparable to a random forest using the full set of 3934 predictors. Our estimated accuracy was 51.1%, which compares favorably to the 10% expected from chance. Reports of MDMA had the highest accuracy at 86.9%; those describing DPT had the lowest at 20.1%. Hierarchical clustering suggested similarities between certain drugs, such as DMT and Salvia divinorum. Conclusion: Machine-learning techniques can reveal consistencies in descriptions of drug use experiences that vary by drug class. This may be useful for developing hypotheses about the pharmacology and toxicity of new and poorly characterized drugs.

研究动机与目标

• 开发一种基于数据的框架，利用自然语言处理分析主观致幻体验。
• 识别区分不同致幻药物现象学效应的语言标记。
• 评估机器学习是否能从非结构化的药物使用叙事报告中提取有意义的模式。
• 探索叙事数据作为药物研究假说生成资源的潜力，尤其是针对研究不足的化合物。
• 评估机器学习模型在基于文本描述分类药物体验时的可靠性与特异性。

提出的方法

• 从Erowid.org网站收集10种不同致幻药物的1,000份叙事报告。
• 构建词-文档频次矩阵，以表示报告中词语使用模式。
• 应用变量选择法，将预测变量数量从3,934个减少至110个最具信息量的关键词汇。
• 在缩减和完整特征集上训练随机森林分类器，以根据文本预测药物类别。
• 对词-文档矩阵进行层次聚类，以探索不同药物体验之间的相似性。
• 使用分类准确率评估模型性能，并与随机水平（10%）进行比较。

实验结果

研究问题

• RQ1 机器学习技术能否仅基于叙事描述可靠地分类致幻药物体验？
• RQ2 哪些语言特征最有效地区分不同致幻化合物的主观效应？
• RQ3 分类准确率在不同致幻药物之间如何变化，尤其是具有相似药理学特征的药物？
• RQ4 叙事报告在多大程度上反映了用户之间一致且可重复的现象学模式？
• RQ5 对文本特征进行无监督聚类能否揭示DMT与Salvia divinorum之间预期的相似性？

主要发现

• 随机森林分类器达到51.1%的分类准确率，显著高于10%的随机预期水平。
• MDMA报告的分类准确率最高，达86.9%，表明用户叙事中存在强烈且一致的语言标记。
• DPT报告的准确率最低，为20.1%，表明用户描述中存在更大的变异性或较不明显的语言特征。
• 仅使用110个预测词的精简集合即可实现与完整3,934个词集合相当的分类准确率，表明特征效率极高。
• 层次聚类结果显示，DMT与Salvia divinorum的报告被归为一类，支持其已知的药理学与现象学相似性。
• 本研究证明，机器学习能够从非结构化的、用户生成的致幻体验叙事中提取有意义且具有药物特异性的模式。