你聽說過米氮平、阿普唑侖、勞拉西泮、奧沙西泮嗎？這些都是抗抑郁和焦慮失眠的藥物。十年前，它們對于很多人來說還是陌生的醫(yī)學名詞，但今天已儼然成為了人們口中的“常見藥”，這背后代表著越來越高的精神障礙發(fā)病率。

聯(lián)合國最新數(shù)據(jù)顯示，全世界有近10億人患有某種形式的精神障礙，而在新冠病毒全球蔓延的第一年，抑郁癥和焦慮癥等精神疾病的發(fā)病率甚至上升了逾25%。與此同時，全球70% 以上的精神疾病患者無法得到所需的幫助。

近年來，隨著媒體關(guān)于抑郁癥的科普越來越多，抑郁癥得以“被社會看見”。然而，在“何為抑郁癥”到“如何診療抑郁癥”之間，仍橫亙著一條不小的鴻溝。

盡早破除這條鴻溝，是抑郁癥患者抵達希望的一小步，也是治療中極其重要的一大步。

可喜的是，科學家發(fā)現(xiàn)，人工智能有望為抑郁癥的早期診斷帶來突破！

近日，新加坡南洋理工大學的科學家們正在開發(fā)一個人工智能驅(qū)動的診斷工具包，用以發(fā)掘與抑郁、焦慮等精神損傷相關(guān)的顯性生理表達，其準確率高達80%，有助于更早確診并遏制病情惡化。

AI如何實現(xiàn)抑郁癥早期診斷？

與腎臟疾病這類相對容易診斷的疾病相比，焦慮或抑郁癥等精神損傷沒有特定可以通過簡單測試來發(fā)現(xiàn)的生物標志物，因此患有同一精神障礙的病人可能會出現(xiàn)許多不同的癥狀，這會使醫(yī)生在早期診斷和確診方面困難重重。

該研究小組利用了人工智能高效處理大型數(shù)據(jù)集的能力，能夠通過可穿戴設備收集與精神健康相關(guān)的數(shù)字生物標志物，從而判斷患者的精神健康狀況，并確定其精神損傷是否會惡化。

這些生物標志物包括心率、睡眠狀況、能量消耗、卡路里消耗、行走步數(shù)等。該項目的主要研究人員、計算機科學家伊娃-博伊奇（Iva Bojic）稱：“我們將這些生物標志物與我們看到的患者癥狀相關(guān)聯(lián)，經(jīng)過一段時間后，模型就可以從中自主學習。”

圖為研究團隊的兩位主要開發(fā)人員Josip Car教授和Iva Bojic博士

例如，科學家們在研究中發(fā)現(xiàn)的一個重要信號是，抑郁癥患者的心率通常在夜間加速，尤其是在凌晨2點到4點之間。

隨后，將發(fā)現(xiàn)的生物標志物與對患者的調(diào)查問卷結(jié)果結(jié)合起來，以進行最終評估，并確定樣本中哪些人正在與抑郁癥作斗爭。

借此，該機器學習模型就能夠?qū)崿F(xiàn)遷移學習，結(jié)合之前通過分析患者生物標志物所獲取到的相關(guān)疾病知識與具體癥狀信息，并根據(jù)新用戶的一系列生物標志物對其精神健康狀況進行預測。

博伊奇稱：“我們致力于為人們提供一個篩查工具......借此幫助有抑郁風險的人能盡早接受治療，控制病情的發(fā)展。”

“AI預測器”完全可靠嗎？

毫無疑問，這種模型也并非無懈可擊。

首先，認定確診的癥狀表現(xiàn)程度值得商榷。該模型只是為與抑郁相關(guān)的生物標志物提供了一個0~100%的閾值，但很難說抑郁癥是開始于50%還是80%。

其次，數(shù)據(jù)也會存在誤差。誤差幅度主要取決于數(shù)據(jù)結(jié)構(gòu)的詳細程度，數(shù)據(jù)的清潔度和細化程度，以及用戶每天使用穿戴設備的時間。

最后，問卷調(diào)查也并非完全可靠?；诓煌奶釂柗绞?，評估人員往往可以得到各異的答案，并且用戶回答問題的真實性也難以保證，出于對疾病的羞恥或病而不自知，問卷答案與真實情況會有出入。

對此，博伊奇補充道：“這個工具并不完美，但我們的初心并不是讓患者不再需要尋求專業(yè)精神科醫(yī)生的幫助，而是作為有效輔助工具，幫助專業(yè)人士發(fā)現(xiàn)他們本來不會接觸到的潛在患者。”研究表明，早期發(fā)現(xiàn)抑郁癥和精神分裂癥等病癥，對于遏制疾病進一步發(fā)展至關(guān)重要。

目前，大眾認知里最常見的一個誤區(qū)是把抑郁癥看作一種純粹的心理疾病，然而醫(yī)學研究早已表明，抑郁癥會改變大腦結(jié)構(gòu)，它的產(chǎn)生同時也是生理病變的結(jié)果。

抑郁癥會改變大腦新陳代謝和血液循環(huán)：前額葉皮質(zhì)圖

對此，最主流的生物學解釋是，抑郁癥是大腦缺乏某種神經(jīng)遞質(zhì)所致，特別是5-羥色胺（血清素）、多巴胺、去甲腎上腺素這三種神經(jīng)遞質(zhì)的缺乏。而神經(jīng)遞質(zhì)決定著我們的情緒狀態(tài)、我們是否有能力應對外部刺激。

此外，抑郁癥也包含遺傳因素。研究發(fā)現(xiàn)，有抑郁癥家族史的人會面臨更高的抑郁癥患病率，他們天生攜帶的神經(jīng)遞質(zhì)不足?！短觳旁谧?，瘋子在右》的作者，美國約翰·霍普金斯大學醫(yī)學院精神病學系教授凱·杰米森曾說，那些攜帶“抑郁癥易感基因”的人，“就像干燥又易碎的柴堆，因無法躲過生命中四處飛竄、無可避免的火花而被點燃。”

這也解釋了為什么同樣的問題發(fā)生在一些人身上，會引發(fā)一場海嘯，而在另外一些人身上就像蜻蜓點水。

而實際上，從一個人開始感受情緒低落，再到向外界求助，這個過程，往往是漫長而曲折的，這也是“AI預測器”的關(guān)鍵意義所在。

近些年，人工智能取得了飛速的進步，AI技術(shù)有望實現(xiàn)對抑郁癥的診斷與干預，從而給抑郁癥患者的診療提供更多幫助。除了這一通過可穿戴設備監(jiān)測主體生物標記物狀態(tài)的預測模型之外，科學家也結(jié)合語音識別、計算機視覺和自然語言處理技術(shù)，研究出了通過表情、語音和語言診斷一個人是否患了抑郁癥的診斷方式。

例如，麻省理工學院的研究人員已經(jīng)開發(fā)出一種神經(jīng)網(wǎng)絡模型，可以通過分析采訪中的原始文本和音頻數(shù)據(jù)來發(fā)現(xiàn)表明抑郁的語言模式。這種方法可以用來開發(fā)臨床醫(yī)生的診斷輔助工具，能夠在自然談話檢測抑郁癥的跡象。

此外，AI心理咨詢師也是一個新的熱點。面對供需極度不平衡、價格門檻高昂、魚龍混雜的心理咨詢市場，AI入局可以給更多絕望中的人打開一扇門，驅(qū)散“正午之魔”。

盡管有關(guān)機器學習在抑郁癥診療方面應用的研究前景十分光明，但仍需考慮一些棘手的倫理和隱私問題。

倫理方面，例如萬一將正常人誤診為抑郁癥所造成的后果，以及抑郁癥等心理疾病標簽給患者所帶來的恥辱感等不利影響；隱私方面，例如衡量政府、機構(gòu)或醫(yī)院獲得這些信息的正當性。

對此，博伊奇認為道路雖曲折，前途仍光明。一旦這些問題得到解決，她相信人工智能可以在心理健康領(lǐng)域顯示出廣闊的前景。

“我真的認為，我們開發(fā)的知識和算法能為身處‘陰霾中’的人們提供幫助，這不僅僅是追逐一些數(shù)字。”

目前，該團隊專注于抑郁癥，但他們也希望未來能將其研究擴展到其他疾病領(lǐng)域，如癡呆癥、孤獨癥和精神分裂癥等。

參考文獻：

[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

（陳晨）