发表在《自然心理健康研究》期刊上的一项新研究显示,基于应用程序的认知训练游戏在改善成年人ADHD管理方面展现了强有力的真实世界证据。
这项研究关注了Lumos Labs公司的Lumosity应用,该应用向公众提供"大脑训练游戏"。研究数据来自2007年至2020年期间使用该应用的美国和加拿大参与者,这些用户选择参加神经心理测试组合(NCPT)或注意力与情绪量表测试(BAMS-7)至少两次,并完成了关于已诊断心理健康状况的调查。
NCPT包括数值问题解决、处理速度和记忆、视觉记忆以及推理等测试,而BAMS-7要求参与者评估他们多久会忽略细节、放错物品或失去注意力,同时询问情绪相关问题。这两项评估都与所测试的游戏没有直接对应关系,也就是说,游戏并非简单的评估练习游戏化版本。
总计143,806名参与者符合纳入标准,其中19,717人报告在人生某个阶段被诊断为ADHD。研究人员对这一自报ADHD人群进行了多项分析,发现其人口统计学特征与一般人群一致,但相对于完整样本比例更大,这表明ADHD患者可能更倾向于使用Lumosity或参与评估。
在ADHD队列中,研究人员比较了大量游戏用户(400-2000局)与少量或无游戏用户(25局或更少)从第一次评估到第二次评估的分数变化。他们发现,除了BAMS-7的情绪部分外,玩更多游戏的用户在分数改善方面显著优于玩游戏较少的用户,当包含中等使用量用户时,这一模式依然保持。
这项研究具有多重意义。首先,它提供了数字健康疗效的真实世界证据,研究了超过14万人的总体群体和近2万人的ADHD队列。这些样本规模远超临床试验通常能够达到的规模。
其次,它提供了数字干预对成年人ADHD疗效的数据。迄今为止,Akili等公司在ADHD数字疗法方面的研究主要集中在儿童ADHD上,研究人员指出,由于神经可塑性的差异,这些研究结果可能无法直接应用于成年人。
尽管该研究没有包含对照组,但通过比较剂量效应而非简单比较用户和非用户,它为排除安慰剂效应提供了有力证据。
Lumosity的大脑训练游戏并未作为数字疗法进行营销,也不声称治疗ADHD等心理健康状况。然而,根据公司网站信息,Lumos Labs正在基于其游戏收集的数据开发数字疗法和数字生物标志物。
Q&A
Q1:Lumosity应用的大脑训练游戏是如何帮助ADHD患者的?
A:研究发现,玩更多Lumosity大脑训练游戏(400-2000局)的ADHD患者在神经心理测试和注意力量表测试中的分数改善显著优于少玩或不玩游戏的患者,主要体现在数值问题解决、处理速度、记忆和视觉记忆等认知能力方面。
Q2:这项ADHD数字干预研究的样本规模有多大?
A:这项研究包含了超过14万名总体参与者,其中近2万人为ADHD患者队列。这一样本规模远超传统临床试验通常能够达到的规模,为数字健康疗效提供了强有力的真实世界证据。
Q3:Lumosity是专门治疗ADHD的医疗产品吗?
A:不是。Lumosity的大脑训练游戏并未作为数字疗法进行营销,也不声称治疗ADHD等心理健康状况。不过,开发公司Lumos Labs正在基于游戏收集的数据研发专门的数字疗法和数字生物标志物产品。
好文章,需要你的鼓励
就像90年代拨号上网开启互联网时代一样,AI正在引发可能超越互联网影响的社会变革。本文采访了五位推动AI技术普及的领袖人物,包括AI Made Simple作者Rajeev Kapur、全球首位企业首席AI官Sol Rashidi、HatchWorks AI首席执行官Brandon Powell、MarTech专家Hema Dey和沃顿商学院教授Ethan Mollick。他们一致认为AI不是要取代人类,而是增强人类能力,让每个人都能发挥更大潜力。
KAIST研究团队开发的InfiniteHiP系统成功解决了大型语言模型处理超长文本的瓶颈问题。该技术通过模块化分层修剪、动态位置编码和冷热存储策略,让单个GPU能够处理300万词汇的上下文,速度提升18.95倍,内存使用减少70%。这项突破性技术无需重新训练模型即可应用,为长文本AI应用的普及奠定了基础。
本文探讨了恶意行为者如何轻易诱导生成式AI提供有害的心理健康建议。研究发现,通过修改自定义指令,主要AI系统在88%的健康查询中产生了错误信息。寻求心理健康指导的用户往往不会意识到AI可能被操控产生危险建议,成为欺骗行为的无辜受害者。文章建议采用锁定指令设置和双重检查机制等防护措施,呼吁在这一问题广泛传播前采取行动,为人类福祉建立更完善的AI安全防护体系。
马里兰大学团队开发了名为Huginn的新型AI架构,通过让3.5B参数的小模型学会"深度思考",在推理任务上达到了50B参数大模型的性能水平。该模型采用循环深度设计,可根据问题复杂度进行1-64轮思考,在数学推理和编程任务中表现出色。这项突破证明了通过优化思考过程而非单纯增加参数规模来提升AI能力的可行性,为更高效、经济的AI发展开辟了新路径。