人工智能能否识别诊断抑郁症，帮助挽救生命吗？

韩国笑星朴智善和母亲被发现在家中去世，这或许又是抑郁症造成的另一个悲剧。

患有抑郁症的人很难对生活中的事情感到快乐，病发时甚至走一步路对他们来说都承受着常人无法了解的痛苦。这种危害严重的心理障碍，已经成为了全球第四大疾病。全球预计有 3.5 亿人受到抑郁症的折磨，选择轻生的年轻人中，60% 以上有抑郁经历。

好莱坞女星安妮·海瑟薇曾在电影《Modern Love》中饰演一个被抑郁症困扰的都市女性，她情绪正常时是随时散发魅力的女神，发病时却如同换了一个人。即使是化好妆准备出去约会时，突然袭来的抑郁情绪也会将她击垮，甚至会突然对失去活下去的意志。

近年来，研究人员也在不断努力，希望用技术拯救更多处于深渊之中的人，AI 也成为了一种辅助诊疗的有效工具。不少 AI 设备中都加入了“情绪识别”功能，但大部分都是通过识别面部活动和语言来判断人的情绪，这种方式的弊端就在于面部活动是可以造假的。

现在 Alphabet 计划开始用 AI 分析人的脑电波来判断情绪变化，希望可以用于支持诊断和治疗抑郁症。这个项目由 Alphabet 的实验性研发实验室 X 发起，代号为 Amber。

大脑“奖励系统”反应更弱，轻生的年轻人中 60% 以上有抑郁经历

据美国国立卫生研究院统计，美国大约有 1730 万成年人患有至少一次抑郁症。2016 年至 2018 年，美国有严重轻生念头的成年人比例增加了 0.15%，同比增长了 46 万人。

当抑郁症患者走到阳光下，越来越多的人都想为人生处于“至暗时刻”的他们做点什么。但每个有抑郁情绪的人表现都不尽相同，他们甚至不知道自己正在经历病痛。社会的不理解，自我认知的缺乏和对心理疾病的不正视，让抑郁症的诊断和治疗难上加难。

抑郁症没有明显的症状，患有抑郁症的人很难从外表分辨出来，其在不同人身上的表现也不相同。目前对抑郁症的评估还主要依赖于与临床医生的对话，或像 PHQ-9 和 GAD-7 这样的主观测试。对可能患有抑郁症的人来说，单凭表情和语言来进行情绪判断很容易出现失误，而且这种方式很难判断抑郁情绪的严重程度。

Amber 项目试图将机器学习技术与脑电波图像技术结合起来，以测量大脑中的电活动。研究人员观察到，在类似游戏的任务中可以测量大脑奖励系统的处理过程，在比赛中获胜后抑郁的人与非抑郁的人相比，大脑的反应更弱。

收集脑电数据，分析抑郁情绪

Amber 团队花了三年时间开发出了一种低成本、便携式的系统，它的外观类似泳帽，需要 3 分钟左右的时间进行配置，使用位于 Fz、 Cz 和 Pz（用于评估奖励和认知功能的关键通道或电极）中线上的三个传感器。

它具有一个可支持多达32个通道的随行生物放大器，可用于静息状态脑电和事件相关电位的采集，软件可以时间锁定任务进行脑电测量。

除了这个收集脑电数据的设备，Amber 团队还探索了如何利用机器学习的新方法来减少脑电图记录中不必要的噪音。他们与 Alphabet 的深度学习研究实验室 DeepMind 合作，采用了非监督表征学习的方法，演示了像自动编码器这样的方法可以在没有人参与的情况下去除脑电信号。（自动编码器通过忽略噪声来学习数据集的表示。）

此外，Amber 团队还提供了一个概念验证，即提取与心理健康相关的特征，可以用来根据一位心理健康专家的采访预测临床标签，如重性抑郁障碍和广泛性焦虑症。与之前的研究不同，Amber 团队称，他们能够为个体参与者而不是团体参与者做这个实验。

X 实验室的负责人 Obi Felten 在其博客中解释说：“这些方法能够从单个 EEG 试验中恢复可用的信号表示形式。这意味着可能有可能从大脑电生理学中获得临床有用的信息，而所用的数据样本要比研究实验室中传统使用的数据少得多，后者通常依赖于数百项实验性试验。”

X 实验室并不是第一个将机器学习算法应用于脑电图解读的，在去年 4 月发表的一篇论文中，IBM 的研究人员就声称他们已经开发出了一种可以对癫痫发作分类的算法，准确率高达 98.4%。

事实上，脑电图已经被广泛应用于研究吞咽、分类精神状态、诊断神经及精神疾病，比如神经源性疼痛和癫痫，以及分类情绪。

Amber 项目遇挫，AI 诊断心理健康需多方协作

Amber 团队最终未能成功找到抑郁症和焦虑症的单一生物标志物。但是，尽管遇到了挫折，他们还是在 GitHub 上开源了他们的硬件设计、可视化工具和激励工具。截至今日上午，收集脑电波的设备和软件已为佛罗里达州立大学的一项研究提供了帮助。

此外，Amber 团队承诺不会对该项目中开发的硬件申请专利，并将 50 个未使用过的头戴设备捐赠给了 Sapien Labs，这个实验室运营着一个“人脑多样性项目”，支持低收入国家和未被充分代表的群体开展脑电图研究。

Obi Felten 还在他的博客中写道：“我们希望开源我们的脑电图系统和发表我们的机器学习技术，这不仅对脑电图专家有价值，而且对更广泛的心理健康研究团体也有价值，他们此前可能因为之前研究脑电图的复杂性和成本而退缩。”

在现实世界中使用技术支持的心理健康测量工作的道路上还有很多困难，需要做更多研究。要应对当今的挑战，需要科学家、临床医生、技术专家、政策制定者和有生活经验的个人之间建立新的伙伴关系。
责编AJX