AI 識別抑鬱症正確率高達八成，但AI+精神健康還有很長的路要走

近年來，“抑鬱症”一詞越來越多的被人們提起，不少名人如白巖鬆、崔永元等都曾表示陷入過抑鬱症的痛苦，而抑鬱症患者不堪病痛而自殺的新聞也屢見不鮮。

生命的“隕落“，無疑給人們敲響了警鐘。抑鬱症高發，我們要如何去防治？如果能檢測出潛在的抑鬱症患者，及時進行心理疏導，是否能夠有效地減少這類悲劇的發生呢？

日前，來自 IBM 的計算精神病學和神經成像研究小組團隊開始嘗試利用機器學習預測人患精神疾病的風險。他們通過對 59 名普通人的語言方式進行追蹤、分析，並對語言連貫性進行評分，來預測人們的潛在患病風險。在隨後的結果驗證中，AI 預測的精確度達到 83%。

如今，AI進軍醫療領域已經是勢不可擋。此次，IBM在AI預測抑鬱症方面取得突破，可見有效利用AI診斷和治療精神疾病已經是蓄勢待發。而在這之後，AI在防治精神疾病方面會有多大的“用武之地”，其推進的難點又在哪裡呢？恐怕值得我們好好討論一番。

AI預測抑鬱症，大有可為之地

小編認為，AI被用於預測抑鬱症，主要有3個原因。

1. 人類預測抑鬱症的識別率低

儘管抑鬱症已經成為全球第四大疾病，預計到2020年將成為第二大疾病，但人們在診前的預測和診後的監控都處於薄弱環節，因為心理醫生和精神病醫生難以做到診前精準預測和診後有效追蹤。

在中國，有大約2.5億人需要心理諮詢服務，8000萬人需要心理治療，心理診療的市場需求極為巨大。與此形成鮮明對比的是，我國抑鬱症的醫療防治還處在識別率低的局面，地級市以上的醫院對其識別率不足20%，只有不到10%的患者接受了相關的藥物治療。

而反觀AI的表現，除了此次IBM的AI預測實現了高識別率外，在去年，美國哈佛大學曾通過用AI程式分析社交網站中的照片，提出用色彩學的方法來診斷抑鬱症，正確率也高達七成，這無疑證明了AI預測將很有可能成為當今社會用於早期篩查和檢測精神疾病的新途徑。

2. 抑鬱症難以完全治癒，讓預防變得更為重要

抑鬱症是可以治療的，但卻很難治癒。一個患了抑鬱症的人，即使接受了心理治療，恢復到了以往的精神狀態，還是有極大的可能復發。2016年自殺去世的演員喬任樑，其經紀公司發訃告時提到喬任樑生前已患有抑鬱症，在親友的幫助下治療已有好轉跡象，“卻不料他用最決絕的方式擺脫不可承受之病痛，與世訣別”。

治癒之難，使得預防變得尤為重要。這些年屢屢可見的抑鬱症患者自殺的新聞，也在提醒著人們要重視對心理疾病的預防。AI預測的高識別率也將成為其越來越被人們所看重的“法寶”。

3. AI能聽出人類的“言外之意”

IBM曾提出，有了AI，人類的語言文字就會成為通向精神健康的一扇窗。人們的語言和文字所形成的規律會被AI的認知系統分析，人們的“言外之意”就會成為精神健康和身體健康狀況的可測指標，這種分析得出的資料能夠幫助醫生更有效地預測並追蹤早期的精神疾病等。

南加州大學已經推出了一款AI 心理治療師，她會分析受訪士兵的面部表情變化，以及士兵的語義和語音，再結合問卷調查，診斷其是否存在PTSD （創傷後應激障礙）症狀。

AI通過觀察人們日常所忽視的語言習慣來預測人的精神疾病，在日後，該技術或許可以更進一步，通過追蹤、分析人類的微表情、微行為，甚至是細微的語調變化，從而更為了解人類的心理狀態。可以肯定的是，這種技術發展成熟後，在刑偵領域也會有極大的應用空間。

AI預測抑鬱症的壁壘依舊存在

儘管AI預測抑鬱症有著科學的技術和強大的資料庫的支撐，但要全面推進還存在一定的難度。小編認為，目前的難點主要表現在受眾接受度、機器學習和隱私保護三個方面。

首先，人類和機器在心理檢測中始終存有疏離感，人類對於AI的心理檢測結果接受度不高。心理檢測與生理檢測不同，在生理上，我們可以做各項生化檢查，通過明確的數值和影像來判斷生理上的疾病，人們也會更傾向於相信機器的精準度。但心理檢測卻有一些不易量化的指標，比如焦慮、衝動、恐懼等情緒。患者在與醫生交談時，更傾向於相信心理醫生能夠感知自己的情緒並且產生“共情”，從而更好地診斷自己的病情，而沒有自身情緒的AI，恐怕難以得到人們的信任。

其次，抑鬱症的病因、病情十分複雜，機器學習難以全盤掌握。人體的神經網路精密複雜，而隨著人體生長，人腦的神經連線網路也會不斷生長變化。迄今，有關專家對於抑鬱症的病因都難以解釋清楚。但可以肯定的是，生物、心理與社會環境諸多方面因素參與了抑鬱症的發病過程。

抑鬱症的表現也十分複雜，比如最近在《明星大偵探》這一節目中出現而被網友熱議的“微笑抑鬱症”，該類患者在白天大多數時間都面帶微笑，但“習慣性微笑表情”並不能消除工作、生活等各方面帶來的壓力、煩惱、憂愁，只讓他們把憂鬱和痛苦越積越深。

“微笑型抑鬱”多發生在那些身份高、學識高、事業有成的成功人士中，他們或是機關裡的高官、企業中的老闆，或是高職技術人員，這類人在社會上給人的印象是十分健談，自信沉穩。但是，如前文中提到的，如今AI預測抑鬱症主要是通過分析被檢測者的語言方式和語言連貫性進而確認其患病風險，而面對此類“成功人士式患者”的侃侃而談，AI又能否看到他們微笑背後的抑鬱呢？

最後，AI預測抑鬱症的方法，即對於語言的分析不能夠適用於所有的語種。目前，矽谷一家叫X2AI 的初創公司推出了針對敘利亞難民的AI心理諮詢師，雖然已經在土耳其的難民營中開始試用，但其功能相對簡陋，且只能做阿拉伯語的語義識別。

就拿大家最熟悉的中文來打比方，當有人說“吃飯去了我”，即使“我”作為主語並沒有放在謂語前，依舊不會影響大家對這句話的理解。在中文中，語序顛倒是十分常見的，而即便如此，也不會影響句子的原意。那能代表這個人有心理疾病嗎？當然不能。畢竟“我去吃飯了”和“吃飯去了我”這兩句話在口語中的使用頻率恐怕不相上下。

另外，不同病症是否會有不同的語言傾向呢？而在同一病症中，不同程度是否也會有不同的語言習慣呢？這一切，還有待研究。

除此之外，AI預測抑鬱症同樣也會存在AI進軍醫療領域的常見問題，比如檢測程式的設定、醫療資料保護等等。所以，AI預測抑鬱症要實現有效落地，恐怕還有很長的路要走。

儘管AI預測抑鬱症還有很多的難關待攻克。但對於 AI 預測甚至治療精神疾病的研究依舊有著十分重要的意義。一方面，AI預測在成熟發展後，其預測結果能作為一種參考因素，在一定程度上幫助醫生進行相關診斷；另一方面，AI在精神疾病領域的不斷深入，也許能夠為日後的精神疾病治療找到新的突破點。

深挖人工智慧這口井，評出鹹淡，講出黑白，道出深淺。重點關注領域：AI+醫療、機器人、智慧駕駛、AI+硬體、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的晶片、演算法、人機互動等。