長(cháng)期以來(lái)，科學(xué)家一直試圖找出抑郁癥和語(yǔ)言之間的確切關(guān)系，現在機器學(xué)習技術(shù)和大數據優(yōu)勢正幫助他們實(shí)現這一目標。這項技術(shù)也有望在將來(lái)作為輔助手段，協(xié)助臨床醫生更早地發(fā)現其他神經(jīng)系統疾病。
我們在社交媒體上的表現或許會(huì )“泄露”抑郁癥的跡象。美國賓夕法尼亞大學(xué)和石溪大學(xué)的研究人員發(fā)現，利用特定的算法掃描Facebook用戶(hù)發(fā)布的帖子，尋找“眼淚”和“感覺(jué)”等抑郁癥語(yǔ)言的標記詞，就能比醫生提前3個(gè)月發(fā)現用戶(hù)潛在的心理健康問(wèn)題，提早做出防范，相關(guān)研究成果發(fā)表在近期的《美國科學(xué)院院報》（PNAS）上。
語(yǔ)言的潛在含義
2018年3月，英國皇家**科醫學(xué)院的維揚 理查茲（Veryan Richards）在《柳葉刀-**病學(xué)》（The Lancet Psychiatry）發(fā)表的一篇評論文章中，討論了語(yǔ)言在心理健康護理中的重要性。在心理治療過(guò)程中，心理學(xué)家和**病學(xué)家很快就能通過(guò)分析病人的語(yǔ)言模式來(lái)診斷包括自閉癥、抑郁癥和躁狂癥在內的**疾病。理查茲認為，語(yǔ)言具有強大的影響力，因此，應該更加努力地去使用語(yǔ)言來(lái)挖掘潛在的心理健康問(wèn)題。
使用社交媒體的人會(huì )在媒體平臺上透露許多個(gè)人信息。很多時(shí)候，這是有目的而為之的，因為用戶(hù)可以分享他們的生活狀態(tài)和政治觀(guān)點(diǎn)等。但同時(shí)也可能會(huì )暴露一些用戶(hù)自身完全沒(méi)有意識到的事情，比如心理健康的惡化狀況。所以科學(xué)家認為在社交媒體廣泛使用的年代，一個(gè)人在社交媒體上交流方式的細微變化可能會(huì )揭示出抑郁癥或創(chuàng )傷后應激障礙（PTSD）等心理疾病的發(fā)病征兆。
現在許多人將傳感器穿在身上，通過(guò)監測心率、呼吸來(lái)達到預防疾病的目的。科學(xué)家們也在考慮人類(lèi)的語(yǔ)言是否可以用來(lái)監測一段時(shí)間內的心理活動(dòng)，從而提前得知幾天、幾周、幾個(gè)月甚至是幾年后，心理狀態(tài)的走向。現在，計算機算法似乎正逐漸“進(jìn)化”出這一功能，科學(xué)家正努力進(jìn)行著(zhù)將人類(lèi)的語(yǔ)言風(fēng)格和模式轉化成算法的研究。一種新的心理健康評估手段可能會(huì )出現，它是基于客觀(guān)、定量和自動(dòng)化的分析我們所說(shuō)和所寫(xiě)的詞匯來(lái)實(shí)現的。
預測心理狀況
長(cháng)期以來(lái)，科學(xué)家一直試圖找出抑郁癥和語(yǔ)言之間的確切關(guān)系，現在科技正幫助我們實(shí)現這一目標。與疾病的生物或物理標記相比，這是一個(gè)未開(kāi)發(fā)的新維度。
2014年，WWBP（世界幸福項目）創(chuàng )始人、賓夕法尼亞大學(xué)的約翰內斯·艾什斯塔德（Johannes Eichstaedt）開(kāi)始思考，社交媒體是否有可能預測用戶(hù)的心理健康狀況，尤其是抑郁癥。6年來(lái)，在賓夕法尼亞大學(xué)積極心理學(xué)中心和石溪大學(xué)人類(lèi)語(yǔ)言分析實(shí)驗室中參與世界幸福項目的研究人員一直在挖掘詞語(yǔ)的使用是如何反映人類(lèi)內心的感受和滿(mǎn)足感的問(wèn)題，他們把社交媒體與健康記錄數據相結合，來(lái)尋找問(wèn)題的答案。
這一次，研究人員在篩選志愿者的時(shí)候另辟蹊徑，他們沒(méi)有選擇那些自稱(chēng)患有抑郁癥的參與者，而是招募那些同意分享Facebook狀態(tài)和電子病歷信息的志愿者，從這些數字檔案中識別出數據，然后用機器學(xué)習技術(shù)分析用戶(hù)的心理狀態(tài)，進(jìn)而篩選出真正患有抑郁癥的人。有近1200人同意提供這兩種數字檔案。其中，114人在醫療記錄中顯示他們曾被診斷患有抑郁癥。隨后，研究人員將所有被診斷為抑郁癥的志愿者與5名沒(méi)有被診斷為抑郁癥的志愿者的數據進(jìn)行了比對。為了建立這個(gè)算法，他們還回顧了524292個(gè)Facebook數據，這些數據來(lái)自于每個(gè)抑郁癥患者在被診斷出患有抑郁癥前幾年的數據，以及對照組在同一時(shí)間內的數據。在確定了使用頻率的單詞和短語(yǔ)后，對200個(gè)主題進(jìn)行建模，找出他們所謂的“抑郁相關(guān)的語(yǔ)言標記”。最后，比較了參與者使用這種措辭的方式和頻率。
艾什斯塔德認為，利用這些數據可以作為一種不引人注目的抑郁診斷篩查形式，同時(shí)他們將搜查目標限定在單個(gè)詞匯而非語(yǔ)句上，這就增加了搜索的范圍，具有現實(shí)的應用價(jià)值。這些發(fā)現或許會(huì )為發(fā)現和幫助抑郁癥患者提供了一種潛在的新方法，因為畢竟不是所有人都愿意向心理醫生敞開(kāi)心扉。當然，這項研究還是存在一些局限性，例如樣本的地域性、人種的局限性等。
除此之外，2018年年初，《臨床心理學(xué)》（Clinical Psychological Science）上刊登的一篇文章，同樣揭示了一組可以幫助準確預測某人是否患有抑郁癥的詞匯。英國雷丁大學(xué)的研究人員把語(yǔ)言劃分為內容和風(fēng)格兩部分。語(yǔ)言的內容指的就是我們陳述的意義或主題。他們發(fā)現，那些有抑郁癥狀的人會(huì )使用過(guò)多的負面形容詞和副詞來(lái)表達他們的情緒，比如“孤獨”“悲傷”或“悲慘”。代詞的使用也讓人非常訝異，有抑郁癥狀的人偏向使用的單數形式的第一人稱(chēng)代詞（如“我”、“我自己”和“我”），第二人稱(chēng)代詞和第三人稱(chēng)代詞（如“他們”、“她們”或“她/他”）的使用明顯較少。這種代詞的使用模式表明，抑郁癥患者更關(guān)注自己，與他人聯(lián)系較少。
研究人員認為，代詞實(shí)際上比消極情緒詞更可靠地識別抑郁癥狀。而語(yǔ)言的風(fēng)格則是取決于我們如何表達自己。從一開(kāi)始，心理學(xué)家就預測那些患有抑郁癥的人對世界的看法會(huì )更加黑白分明，所以這會(huì )在他們的語(yǔ)言風(fēng)格中體現出來(lái)。在這項研究中，科學(xué)家對64個(gè)不同的在線(xiàn)心理健康論壇進(jìn)行了大數據文本分析，調查了6400多名成員。結果發(fā)現，絕對主義語(yǔ)詞比代詞或消極情緒語(yǔ)詞更適合作為心理健康論壇的抑郁癥標記詞。
有效的輔助手段
世界衛生組織估計，全世界超過(guò)3億人患有抑郁癥，自2005年以來(lái)，這個(gè)數字增加了近18%，心理疾病患者往往不愿意吐露自己的心聲，對于自閉癥、抑郁癥以及創(chuàng )傷后應激障礙患者，接受心理治療的過(guò)程有時(shí)候并不愉快，所以擁有更多發(fā)現和篩選工具是重要的協(xié)助手段。
理解抑郁癥的語(yǔ)言可以幫助理解抑郁癥患者的思維方式，研究人員將自動(dòng)文本分析與機器學(xué)習結合起來(lái)，從自然語(yǔ)言文本樣本（如博客文章）中對各種心理健康狀況進(jìn)行分類(lèi)篩選。這種分類(lèi)已經(jīng)超過(guò)了由訓練有素的治療師做出的分類(lèi)。重要的是，機器學(xué)習的分類(lèi)還會(huì )隨著(zhù)提供更多的數據和開(kāi)發(fā)更復雜的算法而改進(jìn)。
如今的研究人員擁有強大的算法和大數據集的優(yōu)勢，這是前幾代科學(xué)家所無(wú)法做到的。這兩件事給了科學(xué)家更多的信心。他們認為，量化**障礙的各個(gè)方面是可能的，而且它們也指向了**病學(xué)以外的應用。這項技術(shù)也有望在將來(lái)作為有效的輔助手段，協(xié)助臨床醫生更早地發(fā)現其他神經(jīng)系統疾病，如帕金森病、阿爾茨海默病和亨廷頓氏舞蹈癥。
點(diǎn)擊下圖，預登記觀(guān)展
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
