AI識別抑郁癥正確率高達八成，但AI+精神健康還有很長的路要走
近年來，抑郁癥一詞越來越多的被人們提起，不少名人如白巖松、崔永元等都曾表示陷入過抑郁癥的痛苦，而抑郁癥患者不堪病痛而自殺的新聞也屢見不鮮。
生命的隕落，無疑給人們敲響了警鐘。抑郁癥高發，我們要如何去防治？如果能檢測出潛在的抑郁癥患者，及時進行心理疏導，是否能夠有效地減少這類悲劇的發生呢？
日前，來自IBM的計算精神病學和神經成像研究小組團隊開始嘗試利用機器學習預測人患精神疾病的風險。他們通過對59名普通人的語言方式進行追蹤、分析，并對語言連貫性進行評分，來預測人們的潛在患病風險。在隨后的結果驗證中，AI預測的精確度達到83%。
如今，AI進軍醫療領域已經是勢不可擋。此次，m.twshmhelmet.com，IBM在AI預測抑郁癥方面取得突破，可見有效利用AI診斷和治療精神疾病已經是蓄勢待發。而在這之后，AI在防治精神疾病方面會有多大的用武之地，其推進的難點又在哪里呢？恐怕值得我們好好討論一番。
AI預測抑郁癥，大有可為之地
智能相對論認為，AI被用于預測抑郁癥，主要有3個原因。
1、人類預測抑郁癥的識別率低
盡管抑郁癥已經成為全球第四大疾病，預計到2020年將成為第二大疾病，但人們在診前的預測和診后的監控都處于薄弱環節，因為心理醫生和精神病醫生難以做到診前精準預測和診后有效追蹤。
在中國，有大約2.5億人需要心理咨詢服務，8000萬人需要心理治療，心理診療的市場需求極為巨大。與此形成鮮明對比的是，我國抑郁癥的醫療防治還處在識別率低的局面，地級市以上的醫院對其識別率不足20%，只有不到10%的患者接受了相關的藥物治療。
而反觀AI的表現，除了此次IBM的AI預測實現了高識別率外，在去年，美國哈佛大學曾通過用AI程序分析社交網站中的照片，提出用色彩學的方法來診斷抑郁癥，正確率也高達七成，這無疑證明了AI預測將很有可能成為當今社會用于早期篩查和檢測精神疾病的新途徑。
2、抑郁癥難以完全治愈，讓預防變得更為重要
抑郁癥是可以治療的，但卻很難治愈。一個患了抑郁癥的人，即使接受了心理治療，恢復到了以往的精神狀態，還是有極大的可能復發。2016年自殺去世的演員喬任梁，其經紀公司發訃告時提到喬任梁生前已患有抑郁癥，在親友的幫助下治療已有好轉跡象，卻不料他用最決絕的方式擺脫不可承受之病痛，與世訣別。
治愈之難，使得預防變得尤為重要。這些年屢屢可見的抑郁癥患者自殺的新聞，也在提醒著人們要重視對心理疾病的預防。AI預測的高識別率也將成為其越來越被人們所看重的法寶。
3、AI能聽出人類的言外之意
IBM曾提出，有了AI，人類的語言文字就會成為通向精神健康的一扇窗。人們的語言和文字所形成的規律會被AI的認知系統分析，人們的言外之意就會成為精神健康和身體健康狀況的可測指標，這種分析得出的數據能夠幫助醫生更有效地預測并追蹤早期的精神疾病等。
南加州大學已經推出了一款AI心理治療師，m.twshmhelmet.com，她會分析受訪士兵的面部表情變化，以及士兵的語義和語音，再結合問卷調查，診斷其是否存在PTSD（創傷后應激障礙）癥狀。
AI通過觀察人們日常所忽視的語言習慣來預測人的精神疾病，在日后，該技術或許可以更進一步，通過追蹤、分析人類的微表情、微行為，甚至是細微的語調變化，從而更為了解人類的心理狀態。可以肯定的是，這種技術發展成熟后，在刑偵領域也會有極大的應用空間。
AI預測抑郁癥的壁壘依舊存在
盡管AI預測抑郁癥有著科學的技術和強大的數據庫的支撐，但要全面推進還存在一定的難度。智能相對論認為，目前的難點主要表現在受眾接受度、機器學習和隱私保護三個方面。
首先，人類和機器在心理檢測中始終存有疏離感，人類對于AI的心理檢測結果接受度不高。心理檢測與生理檢測不同，在生理上，我們可以做各項生化檢查，通過明確的數值和圖像來判斷生理上的疾病，人們也會更傾向于相信機器的精準度。但心理檢測卻有一些不易量化的指標，比如焦慮、沖動、恐懼等情緒。患者在與醫生交談時，更傾向于相信心理醫生能夠感知自己的情緒并且產生共情，從而更好地診斷自己的病情，而沒有自身情緒的AI，恐怕難以得到人們的信任。
其次，抑郁癥的病因、病情十分復雜，機器學習難以全盤掌握。人體的神經網絡精密復雜，而隨著人體生長，人腦的神經連接網絡也會不斷生長變化。迄今，有關專家對于抑郁癥的病因都難以解釋清楚。但可以肯定的是，生物、心理與社會環境諸多方面因素參與了抑郁癥的發病過程。
抑郁癥的表現也十分復雜，比如最近在《明星大偵探》這一節目中出現而被網友熱議的微笑抑郁癥，該類患者在白天大多數時間都面帶微笑，但習慣性微笑表情并不能消除工作、生活等各方面帶來的壓力、煩惱、憂愁，只讓他們把憂郁和痛苦越積越深。
微笑型抑郁多發生在那些身份高、學識高、事業有成的成功人士中，他們或是機關里的高官、企業中的老板，或是高職技術人員，這類人在社會上給人的印象是十分健談，自信沉穩。但是，如前文中提到的，如今AI預測抑郁癥主要是通過分析被檢測者的語言方式和語言連貫性進而確認其患病風險，而面對此類成功人士式患者的侃侃而談，AI又能否看到他們微笑背后的抑郁呢？
最后，AI預測抑郁癥的方法，即對于語言的分析不能夠適用于所有的語種。目前，硅谷一家叫X2AI的初創公司推出了針對敘利亞難民的AI心理咨詢師，雖然已經在土耳其的難民營中開始試用，但其功能相對簡陋，且只能做阿拉伯語的語義識別。
就拿大家最熟悉的中文來打比方，當有人說吃飯去了我，即使我作為主語并沒有放在謂語前，依舊不會影響大家對這句話的理解。在中文中，語序顛倒是十分常見的，而即便如此，也不會影響句子的原意。那能代表這個人有心理疾病嗎？當然不能。畢竟我去吃飯了和吃飯去了我這兩句話在口語中的使用頻率恐怕不相上下。
另外，不同病癥是否會有不同的語言傾向呢？而在同一病癥中，不同程度是否也會有不同的語言習慣呢？這一切，還有待研究。
除此之外，AI預測抑郁癥同樣也會存在AI進軍醫療領域的常見問題，比如檢測程序的設定、醫療數據保護等等。所以，AI預測抑郁癥要實現有效落地，恐怕還有很長的路要走。
盡管AI預測抑郁癥還有很多的難關待攻克。但對于AI預測甚至治療精神疾病的研究依舊有著十分重要的意義。一方面，庫卡機器人，AI預測在成熟發展后，其預測結果能作為一種參考因素，在一定程度上幫助醫生進行相關診斷；另一方面，AI在精神疾病領域的不斷深入，也許能夠為日后的精神疾病治療找到新的突破點。