未来手机App或可初筛抑郁症

　　在不久的将来，通过手机上的App，就能初步筛查是否患有抑郁症，评估抑郁严重程度，作为医生判断的参考依据。记者了解到，由长春理工大学中山研究院与中山市第三人民医院的专家联合完成的一项研究成果显示，一种用于抑郁症诊断的“主题提示多模态网络（TPMN）”比现有最先进方法更优，可以把平均绝对误差降低53%。

　　长春理工大学中山研究院副院长、脑信息与神经康复工程实验室主任李奇教授透露，该团队正在将这一研究成果轻量化，未来可以App的形式安装到手机上，用于人群的抑郁症筛查和评估。

　　文、图/广州日报全媒体记者姜永涛

　　捕捉面部表情和语音音调

　　记者了解到，这篇论文主要由长春理工大学中山研究院脑信息与神经康复工程实验室李奇教授团队与中山市第三人民医院的专家联合完成。李奇介绍，在本研究中，收集了一个科学严谨且标准化的抑郁症数据集，包含43名被试者（其中23名被诊断为抑郁症的患者和20名健康者）。抑郁症患者的年龄在18至60岁之间，大多数在20至40岁之间。抑郁症的诊断标签至少由两名精神专科医生确认。研究人员通过被试者对文本、视频、音频的反应，捕捉其面部表情、语音、音调等多模态数据，通过构建深度学习大模型，将智能辅助诊断抑郁症的水平大大提升。

　　李奇表示，这项最新的研究成果，主要是针对利用深度学习模型进行多模态抑郁症智能辅助诊断时，存在的个体差异显著、模型在跨人群和跨文化场景下泛化能力不足等问题，提出了基于主题提示的广义多模态抑郁症严重程度预测方法。

　　“譬如说，有的人比较内向，那么他在高兴时候的表情，就不是太明显；有的人比较活泼开朗，他高兴的时候很容易看出来。也就是说，即使是同样的一个面部表情，由于每个人个性的不同，所代表的抑郁程度是不一样的。我们这个研究主要是想解决这样一个问题。”

　　可大大降低医生工作负担

　　在该团队最新发表的研究成果论文中，总结了“主题提示多模态网络（TPMN）”的优越性：大量实验表明，TPMN优于现有最先进方法，平均绝对误差（MAE）降低53%（2.86，对比最先进方法的6.08），均方根误差（RMSE）降低58%（3.36，对比最先进方法的7.96）。值得注意的是，在自行收集的中文数据集上的实验显示，TPMN性能优于现有基线方法，证明其作为适用于多样化人群的可扩展诊断工具的潜力。

　　记者了解到，该团队开发的此智能辅助诊断方式，完全模拟精神科医生和患者进行访谈的方式。李奇表示，目前这个智能诊断的结果，明显高于现有的最前沿的一些研究成果。这项研究成果是与当地精神卫生专科医院中山市第三人民医院共同完成的，对辅助精神科医生进行抑郁症智能诊断、降低医生的工作负荷，以及在人群中进行抑郁筛查，具有广泛应用前景。

　　李奇透露，长春理工大学中山研究院脑信息与神经康复工程实验室一直从事抑郁症的智能辅助诊断与物理干预方面的研究与产品研发工作。

　　目前该实验室正在将新开发的这套诊断方法进行轻量化处理，计划做成App的方式，第一步可以用到大学生抑郁症筛查当中。“目前大学生在入校的时候都要做抑郁症的相关筛查，主要是通过填写量表的方式。将来把这项研究成果运用到个人手机的App之后，就可以进行非常客观的筛查，提早干预，提升大学生的心理健康水平。”李奇说。