黑人的抑郁症没有被分析社交媒体帖子中语言的人工智能模型所忽视

根据宾夕法尼亚大学佩雷尔曼医学院及其工程与应用科学学院的研究人员的一项新分析，研究人员开发的通过社交媒体帖子中的语言检测可能的抑郁症的方法在应用于黑人在社交媒体上的帖子时似乎不起作用。该研究发表在 PNAS上，指出了一个需要重点关注的重大改进领域，并放大了考虑种族，健康风险和社交媒体交叉点的重要性。

过去的研究发现，在帖子中使用第一人称代词（“我”）和在社交媒体帖子中使用某些类别的词语（自嘲的术语和表达局外人的感受）可以预测使用社交媒体的人患有抑郁症。然而，在分析来自800多人的Facebook帖子时 – 样本包括相同数量的黑人和白人，一些人报告患有抑郁症，一些人没有 – 研究人员发现，“预测性”词的预测性主要适用于社交媒体上的白人。

“我们感到惊讶的是，在许多先前的研究中发现的这些语言关联并没有全面适用，”该研究的资深作者之一Sharath Chandra Guntuku说，他是宾夕法尼亚大学医学院结果洞察中心的研究员，也是宾夕法尼亚大学工程学院计算机和信息科学助理教授（研究）。“我们需要明白，在考虑心理健康和设计治疗干预措施时，我们应该考虑种族群体之间的差异以及他们如何谈论抑郁症。我们不能把每个人都放在同一个桶里。

当过去被确定为预测抑郁症的单词类型入人工智能引导的模型时，研究人员发现它在白人中表现得“很强”。然而，他们发现，当应用于使用Facebook的黑人时，该模型对抑郁症的预测要低三倍以上。

即使研究人员根据黑人在帖子中使用的语言训练人工智能（AI）模型，该模型仍然表现不佳。

“为什么？可能有多种原因，“该研究的主要作者，计算机和信息科学博士后研究员Sunny Rai说。“与白人相比，我们可能需要更多的数据来了解黑人的抑郁模式。也可能是黑人由于感知到的耻辱感而在社交媒体平台上没有表现出抑郁的标志。

研究人员发现，可能混淆现有抑郁症检测模型的原因是，黑人倾向于在他们的帖子中更全面地使用“我”。这包括研究中没有报告患有抑郁症的参与者。

在 Penn Medicine News 上阅读更多内容。