“生而為人,我很抱歉�！�

當溫柔美麗、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。“抑郁癥有時候還會藏起來,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100萬人因為抑郁癥自殺。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)于進一步落實青少年抑郁癥防治措施的提案》進行了答復(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”。因為對抑郁癥的認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的數(shù)據(jù)。而且,當臨床醫(yī)生與患者進行實時對話時,人工智能會實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、機器學(xué)習(xí)結(jié)合的力量就更強大了。這一點在心衰的預(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道的Sonde Health,該公司將幾秒鐘的音頻分解成具有數(shù)千種獨特特征的信號,進行音頻信號處理,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、計算機視覺等技術(shù),通過攝像頭追蹤人的面部表情數(shù)據(jù),進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劃和產(chǎn)品。在荷蘭,有一個名叫“樹洞救援隊”的組織,利用機器人程序在網(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”的統(tǒng)計顯示,有自殺想法的人年齡主要集中在16至26歲,深夜10點到凌晨2點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”通過黃教授所研發(fā)的機器人程序與其他志愿者進行配合,累計阻止了近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)實的情況卻是:至今沒有被FDA批準通過的抑郁癥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記物或者線索組合。實際上,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。因為抑郁癥是一種精神狀態(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準中做出一些排序,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的機器學(xué)習(xí)計劃Project Amber宣告失敗。該計劃本意是試圖使用人工智能和機器學(xué)習(xí)發(fā)現(xiàn)抑郁和焦慮的生物標志物,“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�讓腦電圖從實驗室走向臨床和咨詢室。

理想很豐滿,現(xiàn)實很骨感。

在實際研究中有更多的問題擺在面前。目前的計算機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,即隨機準確率為50%。然而,實際場景中有太多可能的疾病種類,分類時準確率會大幅下降�！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“黃金標準”工作流程,而不同的選項將反映不同的權(quán)衡和統(tǒng)計理念。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踐中報告的科學(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。即使假定患者可靠地報告了癥狀及其嚴重程度,也仍然需要仔細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不同也不是什么秘密。對于目前所有這些計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項目雖然宣告失敗了,但是該團隊總結(jié)出了三點經(jīng)驗供接棒者參考:

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)合主觀和客觀指標可能更強大。

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,但雙方都認為——使用 EEG 進行持續(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)實的情況是,目前這個領(lǐng)域的人工智能可能和人一樣主觀。