抑郁癥輔助診斷技術探索

劉 琦 王效慈 查 偉 周彤宇 丁 丹

（新鄉醫學院三全學院，河南 新鄉 453000）

0 引言

近年來，深度學習技術在醫療領域的應用更加深入，該技術主要從人臉表情、語音語調、文本語義、姿態行為及多模態數據融合等方面入手[1]，搜集相關特征并將其融合成廣泛全面的綜合特征，并借助綜合特征的相關指征去分析樣本。例如，將心電圖紙質記錄數字化，并使用深度學習生成對心臟相關問題的準確診斷[2]?；谏疃葘W習的抑郁癥診療方案，對就診人的日常行為等進行分析，輔助臨床醫生做出精準的診斷，提高抑郁癥患者的就診率和確診率，避免耽誤患者的最佳診療時間。

1 抑郁癥診療現狀

1.1 抑郁癥診療的困境

抑郁癥是全球高發病之一，大約有2.8億人患有抑郁癥。

抑郁癥患者的數量逐年不減反增的原因主要有以下幾點：一是抑郁癥患者早期疾病癥狀不明顯。早期抑郁癥患者與普通人一樣，在日常生活中會有情緒波動的起伏，不易被察覺，往往到中后期癥狀較為明顯。二是許多患者缺乏對抑郁癥的正確認識?；颊咄灰庾R到心理情緒的壓抑無法釋放，卻并未意識到感統神經也可能出現了問題。三是社會對抑郁癥患者的偏見和歧視。絕大多數患者不敢面對自己患有抑郁癥或者擔心被確診為抑郁癥后會受到他人歧視而拒絕到醫院就診，選擇逃避和無視疾病，耽誤最佳的治療時間。四是抑郁癥患者往往比較悲觀和自卑。抑郁癥的治療耗時長、費用大等現狀讓部分患者畏縮，看不到希望。五是抑郁癥的發病原因尚不清晰，包含很多因素?；颊咄霈F身體不適才選擇就醫，并以身體不適的片面狀況作為主述，內科醫生缺乏精神病學方面的專業知識，無法正確診斷患者的真實病情導致誤診和漏診，錯過最佳治療時機。六是精神病醫生的短缺。在中國，基于傳統思想觀念，人們對于精神醫生存在曲解和歧視，致使精神醫生社會地位低下，出現多數醫學生不愿意專修精神病學方向研究生的現象，導致真正進入精神病學臨床的醫生的數量逐年下降。

1.2 提高抑郁癥患者確診率的重要性

伴隨著抑郁癥患者的逐年增加和醫院精神醫生的嚴重不足，導致抑郁癥患者的就診較為緊張和不便。如何快速準確地提高抑郁癥患者的確診率則尤其重要，其重要性主要表現在以下方面：一是提高人們的生活質量。提倡人們重視自己的心理健康，接受心理健康教育，學會向他人傾訴煩惱，意識情緒抑郁時，及時做心理咨詢，避免極端消極情緒的產生，降低自殘和自殺率。二是為兒童和青少年打造優質的生活和成長環境。將社會工作的部分重心放在兒童和青少年的心理健康問題上，減少低齡化自殺現象。三是創造和諧社會。針對當前抑郁癥患者確診人數急速上升的現狀，社會和政府越來越重視心理健康教育，開展心理健康講座，提倡早發現、早診斷、早治療，抵制對抑郁癥患者的歧視現象，共建美麗健康中國。

2 構建深度學習輔助診斷技術的必要性

深度學習主要通過搭建含有多個隱含層的神經網絡模型，同時利用大量的訓練樣本來學習，得到更有利用價值的特征，進而提升網絡模型的預測、分類的準確性[3]。機器通過學習大量樣本病例特征，克服人錯誤的主觀意識對診斷結果的影響，給出更準確、更全面的輔助診斷結果，有利于患者疾病的確診。

動作行為識別是計算機視覺（Computer Vision，CV）領域中的一個研究熱點，已經廣泛應用于智能監控、人機交互、視頻檢索等領域中[4]。同時，CV通過自動檢測（或跟蹤）圖像（或視頻）中的人臉，進而對檢測和跟蹤到的人臉提取相關信息，比如身份、表情、年齡、性別等[5]。深度學習機器運用動作行為識別技術，通過攝像頭拍攝就診人的肢體動作和面部特征進行相關計算，形成精準的計算數據輔助診斷。

3 深度學習技術與抑郁癥診療結合

3.1 將深度學習用于抑郁癥診療的優勢

其一，在識別患者的肢體動作方面。深度學習模型捕捉到的視頻時空特征的有效性直接影響其對視頻行為動作的識別分類性能，利用人體姿態估計模型，學習到圖像描述的人體關鍵點和人體肢干的特征，對識別人體動作行為更具有針對性[6]。通過捕捉并識別就診人肢體行為在特定時空位置上的關鍵點特征，給予更加準確的數據信息，判斷是否與患者動作模型相似。其二，在識別患者的情緒表達方面，將CASIA的語音情感數據庫用于深度學習機器，識別就診人進行語言表達時的情緒狀態。由中國科學院自動化所錄制的CASIA漢語情感語料庫，包含六種情緒：生氣、高興、害怕、悲傷、其他和中性。其中，錄制人用不同的情感朗讀相同文本的語料有三百句，深度學習機器可以對比分析不同的情感狀態下的聲學和韻律表現，來判斷就診人的語言和情感表達。

基于深度學習機器依據人體姿態估計模型和語音情感表達識別系統來輔助診斷就診人在問診過程中的行為和語言表達是否達到患病程度，其與抑郁癥診療結合的具體優勢如下：（1）機器通過深度學習，判斷就診人的行為和情緒變化，輔助醫生正確做出疾病診斷，提高抑郁癥患者的確診率，早發現早治療，提高患者的生活質量。（2）醫生在對患者診斷的過程中，會出現心情波動、疲憊等情緒狀態不佳的情況，可能會對診斷結果造成不良影響甚至誤診，耽誤患者的最佳治療時間，而機器不存在自身情緒波動問題，可以精準地做出診斷，能輔助醫生做出正確的判斷。（3）排除就診人因為腦器質性疾病而患有抑郁癥的可能性，醫生會通過SDS抑郁自測表來輔助診斷就診人是否患有抑郁癥，處于幾級抑郁癥，而就診人在填寫SDS抑郁自測表時，往往帶有主觀意識，或者避免被診斷為抑郁癥選擇自己認為的最佳答案，在測試結束后，SDS抑郁自測表無法作為最佳的輔助診斷依據，阻礙醫生做出最佳診斷結果。深度學習機器可通過觀察記錄就診人的行為和語言表達，給出精準的判斷數據，從而最好地輔助醫生做出診斷。（4）對于生活中無法及時做到解除或減輕過重心理負擔和壓力的人們，通過記錄他們的抑郁表征，及時做出提醒，讓人們重視自己的情緒和行為，干預他們的消極態度，避免抑郁癥、自殺等情況的發生，創造良好的社會環境。

3.2 基于深度學習輔助抑郁癥診療技術的實踐

由于國內緊缺專業的精神病醫生，各醫院醫生的診療水平參差不齊，導致抑郁癥患者的漏診、誤診概率大。為了更有效地減少不良情況的發生，將深度學習機器運用在生活的方方面面，更好地做到預防、診斷和治療，防止抑郁癥的發生和惡化?，F模擬以下可以運行的場所：一是精神疾病科室。將深度學習機器人用于抑郁癥患者的診斷過程中，機器人通過收集就診人的肢體動作和語言表達信息，計算出輔助診斷報告，利于精神病醫生的診斷。二是內科室。將深度學習機器人用于內科門診，通過觀察患者的表達，及時發現抑郁癥患者的失診人群，做到早發現、早診斷、早治療，及時控制病情的惡化。三是辦公室。隨著社會的快速發展，人們的學習工作壓力大，聚集的負能量無法得到及時的排解，進一步發展為抑郁癥的可能性極大，將深度學習算法用于電腦中，通過攝像頭等硬件設備收集自身日常生活中的動作和語言信息，得到精準的匯報表，根據數據結果及時做出調整，可提高人們的生活質量。四是教室。近年來，抑郁癥的發病已開始出現低齡化趨勢，學校學生因為課業壓力大，跳樓自殺事件屢屢發生。為了減少意外事件的發生，可將深度學習算法用于教師電腦，通過監控觀察班級學生的日常行為，及時了解學生的心理情緒變化，及時干預，做好心理疏導工作，避免意外的發生。

4 總結與反思

4.1 總結

將深度學習技術很好地應用于抑郁癥診療的過程，高效地輔助醫生做出精準的診斷，提高抑郁癥的就診率和確診率，避免耽誤患者的最佳治療時間。同時，人們也更加重視自己的情緒變化，做到早發現、早診斷、早治療。抑郁癥患者數量的增加也引起全社會的關注，消除歧視等不健康想法，共創和諧社會。

4.2 反思

目前，深度學習網絡的構建并沒有統一的標準，其算法也是不斷發展變化的，并且抑郁癥的發病機制和臨床表現等尚不明確，無法達到最為精準的輔助診斷。因此，抑郁癥患者的確診不能完全依靠深度學習機器給出的輔助診斷報告，還需要各醫學院校培養出一批批優秀的精神病醫生。相信隨著深度學習算法的完善和抑郁癥臨床表現的明確，可利用深度學習機器輔助醫生做出最精準的判斷，讓抑郁癥患者得到最為準確的治療方案，發揮其在醫療衛生方面的重大貢獻。