人工智能，有望照亮10亿人的抑郁世界

你听说过米氮平、阿普唑仑、劳拉西泮、奥沙西泮吗？这些都是抗抑郁和焦虑失眠的药物。十年前，它们对于很多人来说还是陌生的医学名词，但今天已俨然成为了人们口中的“常见药”，这背后代表着越来越高的精神障碍发病率。

联合国最新数据显示，全世界有近10亿人患有某种形式的精神障碍，而在新冠病毒全球蔓延的第一年，抑郁症和焦虑症等精神疾病的发病率甚至上升了逾25%。与此同时，全球70% 以上的精神疾病患者无法得到所需的帮助。

近年来，随着媒体关于抑郁症的科普越来越多，抑郁症得以“被社会看见”。然而，在“何为抑郁症”到“如何诊疗抑郁症”之间，仍横亘着一条不小的鸿沟。

尽早破除这条鸿沟，是抑郁症患者抵达希望的一小步，也是治疗中极其重要的一大步。

可喜的是，科学家发现，人工智能有望为抑郁症的早期诊断带来突破！

近日，新加坡南洋理工大学的科学家们正在开发一个人工智能驱动的诊断工具包，用以发掘与抑郁、焦虑等精神损伤相关的显性生理表达，其准确率高达80%，有助于更早确诊并遏制病情恶化。

AI如何实现抑郁症早期诊断？

与肾脏疾病这类相对容易诊断的疾病相比，焦虑或抑郁症等精神损伤没有特定可以通过简单测试来发现的生物标志物，因此患有同一精神障碍的病人可能会出现许多不同的症状，这会使医生在早期诊断和确诊方面困难重重。

该研究小组利用了人工智能高效处理大型数据集的能力，能够通过可穿戴设备收集与精神健康相关的数字生物标志物，从而判断患者的精神健康状况，并确定其精神损伤是否会恶化。

这些生物标志物包括心率、睡眠状况、能量消耗、卡路里消耗、行走步数等。该项目的主要研究人员、计算机科学家伊娃-博伊奇（Iva Bojic）称：“我们将这些生物标志物与我们看到的患者症状相关联，经过一段时间后，模型就可以从中自主学习。”

图为研究团队的两位主要开发人员Josip Car教授和Iva Bojic博士

例如，科学家们在研究中发现的一个重要信号是，抑郁症患者的心率通常在夜间加速，尤其是在凌晨2点到4点之间。

随后，将发现的生物标志物与对患者的调查问卷结果结合起来，以进行最终评估，并确定样本中哪些人正在与抑郁症作斗争。

借此，该机器学习模型就能够实现迁移学习，结合之前通过分析患者生物标志物所获取到的相关疾病知识与具体症状信息，并根据新用户的一系列生物标志物对其精神健康状况进行预测。

博伊奇称：“我们致力于为人们提供一个筛查工具......借此帮助有抑郁风险的人能尽早接受治疗，控制病情的发展。”

“AI预测器”完全可靠吗？

毫无疑问，这种模型也并非无懈可击。

首先，认定确诊的症状表现程度值得商榷。该模型只是为与抑郁相关的生物标志物提供了一个0~100%的阈值，但很难说抑郁症是开始于50%还是80%。

其次，数据也会存在误差。误差幅度主要取决于数据结构的详细程度，数据的清洁度和细化程度，以及用户每天使用穿戴设备的时间。

最后，问卷调查也并非完全可靠。基于不同的提问方式，评估人员往往可以得到各异的答案，并且用户回答问题的真实性也难以保证，出于对疾病的羞耻或病而不自知，问卷答案与真实情况会有出入。

对此，博伊奇补充道：“这个工具并不完美，但我们的初心并不是让患者不再需要寻求专业精神科医生的帮助，而是作为有效辅助工具，帮助专业人士发现他们本来不会接触到的潜在患者。”研究表明，早期发现抑郁症和精神分裂症等病症，对于遏制疾病进一步发展至关重要。

目前，大众认知里最常见的一个误区是把抑郁症看作一种纯粹的心理疾病，然而医学研究早已表明，抑郁症会改变大脑结构，它的产生同时也是生理病变的结果。

抑郁症会改变大脑新陈代谢和血液循环：前额叶皮质图

对此，最主流的生物学解释是，抑郁症是大脑缺乏某种神经递质所致，特别是5-羟色胺（血清素）、多巴胺、去甲肾上腺素这三种神经递质的缺乏。而神经递质决定着我们的情绪状态、我们是否有能力应对外部刺激。

此外，抑郁症也包含遗传因素。研究发现，有抑郁症家族史的人会面临更高的抑郁症患病率，他们天生携带的神经递质不足。《天才在左，疯子在右》的作者，美国约翰·霍普金斯大学医学院精神病学系教授凯·杰米森曾说，那些携带“抑郁症易感基因”的人，“就像干燥又易碎的柴堆，因无法躲过生命中四处飞窜、无可避免的火花而被点燃。”

这也解释了为什么同样的问题发生在一些人身上，会引发一场海啸，而在另外一些人身上就像蜻蜓点水。

而实际上，从一个人开始感受情绪低落，再到向外界求助，这个过程，往往是漫长而曲折的，这也是“AI预测器”的关键意义所在。

近些年，人工智能取得了飞速的进步，AI技术有望实现对抑郁症的诊断与干预，从而给抑郁症患者的诊疗提供更多帮助。除了这一通过可穿戴设备监测主体生物标记物状态的预测模型之外，科学家也结合语音识别、计算机视觉和自然语言处理技术，研究出了通过表情、语音和语言诊断一个人是否患了抑郁症的诊断方式。

例如，麻省理工学院的研究人员已经开发出一种神经网络模型，可以通过分析采访中的原始文本和音频数据来发现表明抑郁的语言模式。这种方法可以用来开发临床医生的诊断辅助工具，能够在自然谈话检测抑郁症的迹象。

此外，AI心理咨询师也是一个新的热点。面对供需极度不平衡、价格门槛高昂、鱼龙混杂的心理咨询市场，AI入局可以给更多绝望中的人打开一扇门，驱散“正午之魔”。

尽管有关机器学习在抑郁症诊疗方面应用的研究前景十分光明，但仍需考虑一些棘手的伦理和隐私问题。

伦理方面，例如万一将正常人误诊为抑郁症所造成的后果，以及抑郁症等心理疾病标签给患者所带来的耻辱感等不利影响；隐私方面，例如衡量政府、机构或医院获得这些信息的正当性。

对此，博伊奇认为道路虽曲折，前途仍光明。一旦这些问题得到解决，她相信人工智能可以在心理健康领域显示出广阔的前景。

“我真的认为，我们开发的知识和算法能为身处‘阴霾中’的人们提供帮助，这不仅仅是追逐一些数字。”

目前，该团队专注于抑郁症，但他们也希望未来能将其研究扩展到其他疾病领域，如痴呆症、孤独症和精神分裂症等。

参考文献：

[1]https://www.euronews.com/next/2022/10/22/scientists-are-using-fitness-trackers-and-ai-to-detect-depression-with-80-accuracy

[2]https://news.un.org/en/story/2022/06/1120682

[3]https://news.mit.edu/2018/neural-network-model-detect-depression-conversations-0830

（陈晨）