安娜·瓦努奇有一个双胞胎姐姐，她的两个妹妹也是双胞胎。尽管四姐妹共享基因并且年龄相差不大（所有四个孩子都在15个月内出生），但她们的性格却截然不同。8岁时，瓦努奇曾让她的姐妹们坐在沙发上，试图通过提问了解为何她们的性格如此不同。
这种早期对临床心理学的兴趣使瓦努奇选择了这个专业作为大学主修方向，并最终进入哥伦比亚大学心理学系，在心理学教授尼姆·托滕汉姆的实验室攻读博士学位。最近，她与该实验室的同事们共同撰写了一篇论文，利用人工智能更好地预测哪些早期童年经历会引发未来的精神健康挑战。这篇研究发表在《自然·心理健康》杂志上。
这篇论文的目标是什么？
童年逆境是一个严重的问题，通常与精神健康问题的风险增加有关。然而，我们并不清楚为什么有些孩子会在经历早年逆境后发展出精神健康问题，而另一些孩子则表现出很强的韧性。这篇论文应用了机器学习来解开这些谜团。
研究发现了什么？
主要发现之一是情感虐待，如侮辱或羞辱孩子，是预测未来精神健康问题风险的最显著指标。这令人惊讶，因为在临床界，人们更关注身体方面的虐待，如身体或性虐待。但研究表明，情感上的虐待对孩子的负面影响更为明显。
另一个发现是，与照顾者的重大分离，例如从亲生父母转移到寄养家庭或收养家庭，或者由于父母被驱逐出境等导致的分离，会破坏孩子的安全感和情感基础。
此外，研究还发现，一致的育儿策略，如设定常规、建立期望和对孩子的回应，可以降低风险并促进韧性。大脑在青年时期仍然具有韧性，逆境并非宿命。即使经历了早年逆境，只要后来有支持性的、一致的照顾，也能帮助孩子健康成长。
是什么促使你关注这个问题？
我们知道，逆境通常会增加几乎每种健康问题的风险。但我们目前无法知道某个孩子需要干预的具体风险。因此，这项研究旨在通过数据驱动的方式，找出哪些经历的孩子最需要干预。
为此，我们收集了大量关于一大群孩子早期经历的详细信息，这些孩子有着各种各样的早期照顾经历（包括寄养、国外孤儿院的经历和被收养的孩子等）。以往的研究通常只包括某一特定经历的孩子，而我们的数据集是独一无二的。
这篇论文中机器学习的作用是什么？
我们使用现有数据集创建了一个训练样本，该样本将学习某些早年逆境与心理健康结果之间的所有关联，并预测未来的结果。一旦有了这个模型，我们可以向AI模型提供新孩子的数据，它会给出一个评分，非常准确地预测他们未来的心理健康状况，基于他们的早期童年经历。
如何评估某人是否遭受过情感虐待？
我们会从父母那里收集大量细节信息。出于伦理考虑，我们只采样那些目前处于稳定环境中孩子的数据，因此我们的访谈通常是与收养父母进行，他们讲述的是之前家庭中的虐待情况。
还有一些其他情况，例如生物父母与孩子分开一段时间（例如父母因药物滥用问题接受治疗后孩子返回家中）。我们还会进行家长报告问卷调查，尝试以多种方式提问，以全面了解孩子的经历。
是什么吸引你从事这项工作？
最初我对临床心理学感兴趣，想从事饮食障碍的治疗和预防工作。我发现这些病例的根本原因往往是创伤性事件。我发现自己常常把这些故事带回家，感到难以释怀，于是决定转向研究更广泛的机制，思考精神病理学的产生机制。
(全文结束)
