“生而為人,我很抱歉�！�

當(dāng)溫柔美麗、落落大方的X坐在我對面,說出這四個字時,我才知道她也是一個多年抑郁癥患者。每次見X,她都是精致裝扮過的大齡熟女,迎面朝我走過來的時候我總是會眼前一亮;她走過的地方,回頭率極高。跟她聊天,她的幽默風(fēng)趣會讓你覺得人間有她真好。直到有一天說起了這個疾病,我才知道她也是患者之一�！暗拇_,并不是生活質(zhì)量看起來很高的人就不會有抑郁癥”,北醫(yī)六院的醫(yī)生回答了我的疑惑�！耙钟舭Y有時候還會藏起來,并不容易發(fā)覺�！�

據(jù)世界衛(wèi)生組織(WHO)披露數(shù)據(jù)顯示,全球有超過3．5億人罹患抑郁癥,近十年來患者增速約18%,截至2017年,中國有超過5400萬人患有抑郁癥。

全球抑郁癥的發(fā)生率約為3．1%,每年大約有100萬人因?yàn)橐钟舭Y自殺。在我國抑郁癥發(fā)病率約為3%-5%,中國每年大約有28萬人自殺,其中40%患有抑郁癥。更需要引起重視的是, 抑郁癥在青少年患者中的患病率逐年上升。據(jù)《中國國民心理健康發(fā)展報(bào)告(2019-2020)》顯示,2020年,中國青少年的抑郁檢出率為24．6%,其中輕度抑郁為17．2%,重度抑郁為7．4%。分年齡段來看,青少年抑郁檢出率隨年級的升高而升高,有部分孩子長期處于情緒低谷。

好消息是,日前,教育部就政協(xié)第十三屆全國委員會第四次會議提出的《關(guān)于進(jìn)一步落實(shí)青少年抑郁癥防治措施的提案》進(jìn)行了答復(fù),其中明確將抑郁癥篩查納入學(xué)生健康體檢內(nèi)容,建立學(xué)生心理健康檔案,評估學(xué)生心理健康狀況,對測評結(jié)果異常的學(xué)生給予重點(diǎn)關(guān)注。

01

想象中AI的力量

發(fā)病人數(shù)高企,就醫(yī)率卻僅10%。在拒絕就醫(yī)的原因中,排在首位的是“病恥感”。因?yàn)閷σ钟舭Y的認(rèn)知和普及有許多待提高之處,有很多人遲遲不肯就醫(yī),還有很多人到了醫(yī)院也會避重就輕的掛一個“睡眠科”來試圖解決問題。與日漸攀升的抑郁癥患者人數(shù)相比較,對于抑郁癥的認(rèn)知普及是一個更難的話題。如果人工智能就能識別抑郁癥呢?會不會早防早治會出現(xiàn)更好的局面?這也是人工智能專家和醫(yī)學(xué)專家涉足這個領(lǐng)域的初衷,其優(yōu)勢不言而喻:AI解決方案能協(xié)助診斷。抑郁癥患者通常發(fā)病時間不定,從幾周到幾年時間不等。如果利用AI持續(xù)的數(shù)字監(jiān)控,顯然醫(yī)生可以訪問顆粒度更細(xì)的數(shù)據(jù)。而且,當(dāng)臨床醫(yī)生與患者進(jìn)行實(shí)時對話時,人工智能會實(shí)時識別臨床抑郁和焦慮的聲音線索,然后醫(yī)生或者咨詢師來判定是否需要啟動后續(xù)治療。AI驅(qū)動的跟蹤和有針對性的干預(yù)有望可以挽救生命。還有更遙遠(yuǎn)的想象是,一旦人工智能驅(qū)動的生物傳感器,用來預(yù)測某人何時陷入抑郁癥,那么數(shù)據(jù)收集、機(jī)器學(xué)習(xí)結(jié)合的力量就更強(qiáng)大了。這一點(diǎn)在心衰的預(yù)測上已經(jīng)有所表現(xiàn)。

02

語音、表情和文本

用人工智能來篩查、輔助診斷甚至治療抑郁癥,目前的技術(shù)主要集中在三個領(lǐng)域:語音、表情和文本。其中語音識別是目前創(chuàng)新產(chǎn)品和公司比較集中的賽道。

比如:全球各大媒體在爭相報(bào)道的Sonde Health,該公司將幾秒鐘的音頻分解成具有數(shù)千種獨(dú)特特征的信號,進(jìn)行音頻信號處理,來識別一個人是否患了抑郁癥,并號稱其模型使用了六個聲音生物標(biāo)志物。在美國灣區(qū)的Kintsugi也稱,他們的AI模型只需要20秒的音頻就能以超過臨床80%的臨床準(zhǔn)確率檢測心理健康問題。將目前精神科醫(yī)生的檢測率47．3%相比,人工智能診斷的有效性提高了近一倍。英國公司Realeyes創(chuàng)立于2007年,2015年曾獲歐盟撥款支持;利用圖像處理、人工智能、計(jì)算機(jī)視覺等技術(shù),通過攝像頭追蹤人的面部表情數(shù)據(jù),進(jìn)行情緒識別和行為分析。該公司目前主要的技術(shù)應(yīng)用在營銷領(lǐng)域,Realeyes給自己尋找到的新應(yīng)用場景在于醫(yī)療和教育,例如幫助監(jiān)測抑郁癥、以及監(jiān)測并提高學(xué)生專注度,但并未透露具體的計(jì)劃和產(chǎn)品。在荷蘭,有一個名叫“樹洞救援隊(duì)”的組織,利用機(jī)器人程序在網(wǎng)絡(luò)上偵探社交平臺的文本,來尋找公開的社交媒體上那些心理需要幫助的人。這是一個由數(shù)百名來自中國各個地方志愿者組成的龐大網(wǎng)絡(luò),它的創(chuàng)立者是荷蘭阿姆斯特丹自由大學(xué)(Vrije Universiteit Amsterdam)人工智能學(xué)者黃智生。

“樹洞救援隊(duì)”的統(tǒng)計(jì)顯示,有自殺想法的人年齡主要集中在16至26歲,深夜10點(diǎn)到凌晨2點(diǎn)是樹洞留言的高峰期,在男女比例上大約是1:3�！皹涠淳仍�隊(duì)”通過黃教授所研發(fā)的機(jī)器人程序與其他志愿者進(jìn)行配合,累計(jì)阻止了近700人的自殺行為。但這對于龐大的患病人群仍然是杯水車薪。

03

難題

聽起來這是一個特別有前景的賽道,然而現(xiàn)實(shí)的情況卻是:至今沒有被FDA批準(zhǔn)通過的抑郁癥AI篩查或治療產(chǎn)品。

為什么?理論和研究兩個方面都難題重重。理論上,抑郁癥的診斷本身偏主觀,并且經(jīng)常和其他疾病交織在一起,甚至合并其他疾病;而且癥狀上也與其他疾病有相似之處;還有,個體差異如此巨大,很難尋找到具有辨別力的標(biāo)記物或者線索組合。實(shí)際上,如同人們希望借助AI推動抑郁癥的篩查和治療的原因一樣,這也是目前橫亙在行業(yè)進(jìn)步前的一塊巨石:并非所有患者都表現(xiàn)出相同的癥狀,這本身就讓抑郁癥成為一種難以診斷的疾病。因?yàn)橐钟舭Y是一種精神狀態(tài):它是根據(jù)人們的心理癥狀和行為來診斷,而不是通過腦部掃描或血液或DNA中的標(biāo)記來診斷。雖然科學(xué)家們希望人工智能可以從用于診斷和治療抑郁癥的主觀標(biāo)準(zhǔn)中做出一些排序,但迄今為止,合理的經(jīng)得起推敲的生物標(biāo)志物的找尋本身就成了一道難題。2021年5月,經(jīng)過三年的研究,Google的母公司Alphabet的機(jī)器學(xué)習(xí)計(jì)劃Project Amber宣告失敗。該計(jì)劃本意是試圖使用人工智能和機(jī)器學(xué)習(xí)發(fā)現(xiàn)抑郁和焦慮的生物標(biāo)志物,“讓腦電波像血糖一樣容易測量和解釋,并將它們用作抑郁癥的客觀測量值�！逼诖�讓腦電圖從實(shí)驗(yàn)室走向臨床和咨詢室。

理想很豐滿,現(xiàn)實(shí)很骨感。

在實(shí)際研究中有更多的問題擺在面前。目前的計(jì)算機(jī)自動識別都需要基于數(shù)據(jù)庫,而這些數(shù)據(jù)庫不能代表所有抑郁癥病人,或者說代表性很差,這意味著得到的結(jié)果只能是某一個群體甚至僅僅在某一種場景下的分類結(jié)果�！昂芏嗾撐闹兴�得到的結(jié)果是基于現(xiàn)成的數(shù)據(jù)庫,而大部分現(xiàn)成數(shù)據(jù)庫只包含了有抑郁和無抑郁兩種情況,即隨機(jī)準(zhǔn)確率為50%。然而,實(shí)際場景中有太多可能的疾病種類,分類時準(zhǔn)確率會大幅下降�！睖刂葆t(yī)科大學(xué)精神醫(yī)學(xué)學(xué)院顏文靖副教授告訴「賽博醫(yī)客」。目前的數(shù)據(jù)庫往往只有類別很有限的幾種疾病。例如在抑郁癥病人和健康人群做區(qū)別,成績會比較高,至少高于50%,但是如果放在10種疾病中篩選是否存在抑郁癥,那么準(zhǔn)確率會大幅度下降。再加上許多科學(xué)領(lǐng)域的數(shù)據(jù)分析工作的流程已經(jīng)變得極其復(fù)雜,其中包含大量處理和分析步驟,每個步驟都有許多可能的選擇,通常沒有唯一正確或“黃金標(biāo)準(zhǔn)”工作流程,而不同的選項(xiàng)將反映不同的權(quán)衡和統(tǒng)計(jì)理念。有模擬研究表明,雖然目前尚不清楚這種差異存在的程度以及它如何影響實(shí)踐中報(bào)告的科學(xué)結(jié)論,但這些分析選擇的差異會對結(jié)果產(chǎn)生重大影響。國際上還有一批科學(xué)家指出,許多研究的患者樣本太少,對于數(shù)據(jù)呈現(xiàn)的效果信心會不夠;并且重復(fù)研究很少——這些瑕疵也可能高估了算法的預(yù)測能力。

另外,患者報(bào)告數(shù)據(jù)的過程中考量因素是否盡可能的全面又客觀也是難點(diǎn)。即使假定患者可靠地報(bào)告了癥狀及其嚴(yán)重程度,也仍然需要仔細(xì)考慮社會人口因素以避免偏見。例如,耶魯大學(xué)的研究人員發(fā)現(xiàn)種族、教育水平和就業(yè)狀況是抗抑郁治療后癥狀緩解的首要因素。再加上前文提到的個人對抑郁癥的體驗(yàn)不同也不是什么秘密。對于目前所有這些計(jì)算研究中包含的患者數(shù)據(jù)是否具有足夠的代表性,結(jié)果是否可以廣泛適用于所有抑郁癥患者,就更不清楚了。

Amber項(xiàng)目雖然宣告失敗了,但是該團(tuán)隊(duì)總結(jié)出了三點(diǎn)經(jīng)驗(yàn)供接棒者參考:

一,心理健康測量仍然是一個未解決的問題。開發(fā)的任何新測量工具都需要為精神健康問題和醫(yī)療保健專業(yè)人士創(chuàng)造價值。

二,雖然針對心理健康的客觀生物標(biāo)志物測試無疑是有用的(如果存在的話),但它不一定要取代詢問人們經(jīng)歷和感受的主觀評估工具。結(jié)合主觀和客觀指標(biāo)可能更強(qiáng)大。

三,雖然醫(yī)生和患者都對于使用EEG(Electroencephalogram,腦電波)作為輔助診斷手段意見不一致,但雙方都認(rèn)為——使用 EEG 進(jìn)行持續(xù)監(jiān)測,以捕捉心理健康隨時間的變化或?qū)χ委煹姆磻?yīng)——可能有價值。在圍繞可重復(fù)性和可行性的這些更大的問題得到解決之前,不要以為人工智能能相對客觀的評判抑郁癥�，F(xiàn)實(shí)的情況是,目前這個領(lǐng)域的人工智能可能和人一樣主觀。