手机应用程序使用 AI 从面部提示中检测抑郁症

达特茅斯学院的研究人员报告说，他们已经开发了第一个智能手机应用程序，该应用程序使用人工智能与面部图像处理软件配对，在用户甚至知道有什么问题之前可靠地检测抑郁症的发作。

这款名为MoodCapture的应用程序使用手机的前置摄像头在正常使用过程中捕捉一个人的面部表情和周围环境，然后评估图像中与抑郁症相关的临床线索。在一项针对 177 名被诊断患有重度抑郁症的人的研究中，该应用程序以 75% 的准确率正确识别了抑郁症的早期症状。

这些结果表明，随着进一步的发展，该技术可以在未来五年内公开使用，研究人员说，他们位于计算机科学系和盖塞尔医学院。

该团队于2月27日在arXiv预印本数据库上公布了他们的研究结果，然后在5月的计算机协会CHI 2024会议上展示。 在CHI上发表的论文在接受之前经过同行评审，并将在会议论文集中发表。

“这是第一次使用自然的’野外’图像来预测抑郁症，”该论文的通讯作者、达特茅斯学院的阿尔伯特·布拉德利（Albert Bradley）1915年第三世纪计算机科学教授安德鲁·坎贝尔（Andrew Campbell）说。“数字心理健康技术已经掀起了一场运动，最终提出了一种工具，可以以可靠和非侵入性的方式预测被诊断患有重度抑郁症的人的情绪。

“人们每天使用面部识别软件解锁手机数百次，”坎贝尔说，他的手机最近显示他在一周内解锁了800多次。

他说：“MoodCapture使用类似的面部识别技术与深度学习和AI硬件的技术管道，因此在扩展这项技术方面具有巨大的潜力，而无需对用户造成任何额外的投入或负担。“一个人只需解锁手机，MoodCapture就会知道他们的抑郁动态，并可以建议他们寻求帮助。

在这项研究中，该应用程序在90天内捕获了125,000张参与者的图像。研究中的人同意通过手机的前置摄像头拍摄照片，但不知道何时发生。

第一组参与者被用于对MoodCapture进行编程以识别抑郁症。当他们回答这个问题时，他们使用手机的前置摄像头随机拍摄，“我感到沮丧、沮丧或绝望。该问题来自八点患者健康问卷或 PHQ-8，临床医生使用它来检测和监测重度抑郁症。

研究人员在这些照片上使用了图像分析人工智能，以便MoodCapture的预测模型可以学习将感到沮丧的自我报告与特定的面部表情（如凝视，眼球运动，头部位置和肌肉僵硬）和环境特征（如主色，照明，照片位置和图像中的人数）相关联。

这个概念是，每次用户解锁手机时，MoodCapture 都会实时分析一系列图像。人工智能模型在表情和背景细节之间建立联系，这些细节在预测抑郁症的严重程度方面很重要，例如眼睛凝视、面部表情的变化和一个人的周围环境。

随着时间推移，MoodCapture 会识别特定于用户的图像特征。例如，如果某人在昏暗的房间里长时间保持平淡的表情，人工智能模型可能会推断出这个人正在经历抑郁症的发作。

研究人员通过让另一组参与者回答相同的PHQ-8问题来测试预测模型，而MoodCapture则根据从第一组收集的数据对他们进行拍照并分析他们的照片以寻找抑郁症的指标。MoodCapture AI 以 75% 的准确率正确地确定了这个新组中的人是否抑郁。

“这展示了一条通往强大工具的道路，该工具以被动的方式评估一个人的情绪，并将数据用作治疗干预的基础，”坎贝尔说，并指出90%的准确性将是可行传感器的门槛。“我的感觉是，像这样的技术可以在五年内向公众开放。我们已经证明这是可行的。

MoodCapture在不规则的时间尺度上遇到了严重的抑郁症，达特茅斯技术与行为健康中心的生物医学数据科学和精神病学助理教授Nicholas Jacobson说。

“我们对抑郁症的许多治疗干预措施都集中在更长的时间内，但这些人的病情会经历起伏。传统的评估忽略了抑郁症的大部分内容，“雅各布森说，他是人工智能和心理健康：技术指导医疗保健创新（AIM HIGH）实验室的负责人。

“我们的目标是捕捉抑郁症患者在日常生活中经历的症状变化，”雅各布森说。“如果我们能用它来预测和理解抑郁症状的快速变化，我们最终可以阻止它们并治疗它们。我们能做的越多，抑郁症的影响就越小。

雅各布森预计，像MoodCapture这样的技术可以帮助缩小抑郁症患者何时需要干预与他们实际获得心理健康资源之间的巨大差距。他说，平均而言，一个人一生中只有不到1%的时间是在精神科医生等临床医生身上度过的。“这些技术的目标是提供更多的实时支持，而不会给护理系统增加额外的压力，”雅各布森说。

雅各布森说，理想情况下，像MoodCapture这样的人工智能应用程序会建议采取预防措施，例如外出或与朋友联系，而不是明确告知一个人他们可能正在进入抑郁状态。

“告诉别人正在发生一些不好的事情，有可能让事情变得更糟，”他说。“我们认为MoodCapture为评估工具打开了大门，这些工具将有助于在抑郁症恶化之前发现抑郁症。这些应用应与干预措施相结合，在抑郁症扩大和发展之前积极尝试破坏抑郁症。在十多年前，这种类型的工作是不可想象的。

该研究源于雅各布森领导的美国国立心理健康研究所（National Institutes of Mental Health）拨款，该基金正在研究使用深度学习和被动数据收集来实时检测抑郁症状。它还建立在坎贝尔实验室领导的2012年研究的基础上，该研究从达特茅斯参与者的手机中收集了被动和自动数据，以评估他们的心理健康。

但坎贝尔说，从那时起，智能手机摄像头的进步使研究人员能够清楚地捕捉到在正常使用手机时拍摄的那种“被动”照片。Campbell 是技术和行为健康中心的新兴技术和数据分析总监，他领导团队开发移动传感器，这些传感器可以根据被动数据跟踪情绪状态和工作绩效等指标。

坎贝尔说，这项新研究表明，被动照片是基于移动的治疗工具成功的关键。它们比用户生成的照片（或自拍）更准确、更频繁地捕捉情绪，并且不会因要求积极参与而阻止用户。Campbell说：“这些中性照片非常像在某人没有贴面的时候看到某人，这增强了我们面部表情预测模型的性能。

坎贝尔研究小组的瓜里尼研究生和高级研究学院博士生Subigya Nepal与博士生Arvind Pillai一起是该研究的共同主要作者，他说MoodCapture的下一步包括训练AI更多样化的参与者，提高其诊断能力，并加强隐私措施。

Nepal说，研究人员设想了MoodCapture的迭代，照片永远不会离开一个人的手机。相反，图片将在用户的设备上进行处理，以提取与抑郁症相关的面部表情，并将其转换为AI模型的代码。“即使数据离开了设备，也没有办法将其重新组合成识别用户的图像，”他说。

与此同时，如果人工智能被设计为根据使用它的特定人的面部表情来扩展其知识，那么该应用程序的准确性可以在消费者端得到提高，Nepal说。

“你不需要从头开始——我们知道一般模型的准确率为75%，因此可以使用特定人员的数据来微调模型。未来几年内的设备应该能够轻松处理这个问题，“尼泊尔说。“我们知道面部表情是情绪状态的指标。我们的研究证明了一个概念，即在使用技术评估心理健康时，它们是我们可以获得的最重要的信号之一。