心理健康狀態對個體的身體健康、個人成就和主觀幸福感有較大影響。除量表方法外，已有研究提出可以使用行為數據建立機器學習模型來自動識別個體的心理健康狀態。然而，目前多數研究致力於識別某一種心理疾病的存在或程度，在一些非專業診斷的場景（如自我檢測或大規模監測），識別個體全面的心理健康症狀或許更有幫助。
已有研究表明，個體行為（如面部活動）受到其心理健康狀態影響，患有不同心理疾病的個體表現出的行為不同，而患有同種心理疾病不同亞型的個體的行為也存在差異。這些研究結果為使用行為數據識別個體全面的心理健康症狀提供了可能。
除了需要從理論層面考慮識別不同心理症狀的行為差異的可能性之外，如何在建立識別模型後評估其識別不同心理症狀的能力也是該研究考慮的重點。由於現有的模型評估方法（如準確率或均方根誤差）無法評估這種有效性，量表的信效度檢驗方法或可應用於這種多維度模型的性能評估。鑑於此，中國科學院心理研究所行為科學重點實驗室朱廷劭研究組的科研人員，嘗試構建不同心理症狀的面部自動識別模型，並使用信效度檢驗方法對模型進行評估，以探索個體的面部活動能否有效指向其心理健康症狀。
該研究共招募100名被試，被試首先填寫症狀自評量表（SCL-90）中的55道題（分別對應人際關係敏感、抑鬱、焦慮、敵對、恐怖和精神病性六個維度）；閱讀一段介紹盧溝橋的中性文本（約44s）。在這期間，研究人員使用Kinect攝像機記錄下每一幀中被試36個面部關鍵點的三維坐標，實驗場景和36個面部關鍵點如圖所示。
為減少無關變量對面部關鍵點坐標的影響，採集數據後，研究對面部數據進行坐標平移、噪聲平滑、坐標差分和截取等數據預處理工作。將第100幀-第700幀數據記錄為「全部數據」，奇數300幀和偶數300幀數據記錄為「分半數據」。數據預處理後，提取「全部數據」和「分半數據」在時間序列中的30維時序特徵，而後進行特徵選擇和特徵標準化，並建立回歸模型，最後保存「全部數據」和「分半數據」的預測得分。得到「全部數據」和「分半數據」共3組預測分數後，該研究使用多方法多特質矩陣和相關係數計算分半信度、會聚效度、區分效度和校標效度。結果顯示，面部識別心理症狀模型具有較好的分半信度（P < 0.001）、校標效度（P < 0.01）和會聚效度，但是區分效度較差。
該研究探索了通過面部活動識別不同心理健康症狀的可能性，結果表明不同心理健康症狀具有特異性的面部表達，使其可以被識別。由於面部數據的採集是實時且無侵入的，該研究可以與視頻技術結合用於心理健康檢測。此外，該研究創新性地將信效度檢驗方法應用於機器學習模型的評估，為未來的同類型研究提供一種可行的多維度機器學習模型評估方法。相關研究成果在線發表在Frontiers in Psychiatry上。
實驗場景及面部關鍵點示例
論文連結：
https://www.frontiersin.org/articles/10.3389/fpsyt.2020.607890/full
2019年熱文TOP10
1. 逆轉2型糖尿病的大牛又發文了：2型糖尿病是簡單的疾病，減肥或逆轉病情！
2. 剛剛，Science發布2019十大科學突破！
3. Science重磅！西蘭花「喚醒」抗腫瘤基因
4. 讀者淚目！《柳葉刀》全中文發表中國醫學博士「家書」：給父親的一封信
5. 《Science》重磅！汝之「蜜糖」，吾之「砒霜...」
6. 喝酒，尤其還臉紅的人，或面臨更高的痴呆風險
7. Nature重磅！第一個完全合成且徹底改變DNA密碼的生物誕生了
8. 這不是一顆大榛子！Science發表新型口服胰島素，或將取代傳統注射
9. Science為防禿頂支招：先從不脫髮開始...
10. 改變精子速度，可以影響後代性別？