抑鬱症成「連環殺手」，AI「讀心師」能拯救下一個TA嗎？

隨著AI被越來越多地運用在醫療領域，精神健康領域也逐漸引入了AI技術。我們已經能夠運用AI幫助抑鬱症患者了嗎？有哪些企業或研究機構在做這件事？

診療缺口催生市場機遇

據世界衛生組織估算，全球每年有約80萬人死於自殺，每40秒鐘就有一個人結束自己的生命，給家人、朋友和社會帶來永久的傷痛。自殺已成為多國年輕人的第一大死因，其中過半死者患抑鬱症。

更嚴峻的問題是，受抑鬱症困擾的人正日漸增多。全球大約有3億多人患抑鬱症，佔總人口4.4%，尤其是在2005—2015年間，抑鬱症患者增加了18%，這也使抑鬱症成為全球第四大疾病。

在中國，情況同樣嚴重。來自世界衛生組織2018年報告的數據顯示，中國有超過5400萬人患有抑鬱症，佔全國人口4.2%。

與此同時，精神科醫生和心理諮詢師供給並不充足。且由於精神類疾病治療費用高昂，醫保覆蓋相對滯後，相當多的患者無法得到相應的治療。據統計，全國地市級以上醫院對抑鬱症的識別率不足20%，在現有的患者中接受藥物治療的人不足10%。

不僅如此，在診前預測和診後追蹤環節，現有醫療手段缺位更加嚴重。

因此，學界和產業界都將目光投向了AI，期待其能夠賦能精神健康診療。目前來看，致力於將人工智慧和精神健康結合的公司較為小眾，但依然有不少場景具備挖掘潛力。

從患者角度來看，人工智慧可運用於情緒調節和自測。

例如，因百度前首席科學家吳恩達加盟擔任董事長而引起熱議的醫療AI公司Woebot就開發了一款名為Woebot的治療聊天機器人，它能夠通過與抑鬱患者聊天來幫助求助者，鼓勵對話者積極應對挑戰。例如，當朋友忘記了你的生日，你向Woebot傾訴「大家都不把我放在心上」時，Woebot可能會回答稱：「你陷入了一種叫做非黑即白的極端消極自我對話思維中，這種思維扭曲了現實世界。其實，你有好朋友，人們也都把你放在心上。只是一個朋友忘記了你的生日而已。」

EmoSPARK則以智能家居的面貌切入，一邊通過攝像頭捕捉用戶的面部表情變化，一邊通過連接iPhone等終端設備來分析用戶輸入的內容，從而判斷用戶的情緒狀態，並推送可調節情緒的音樂和視頻。

從心理醫師/精神科醫生角度來看，人工智慧可運用於精神疾病的預測、診斷與治療、監控環節。

史丹福大學的李飛飛研究團隊即發表了相關論文，提出以語音識別、計算機視覺和自然語言處理技術，通過表情和語言診斷方法來測量一個人是否患有抑鬱症，以及抑鬱症症狀的嚴重程度。

IBM研究團隊則通過機器學習對心理疾病記錄的分析指出，處於精神疾病風險的人說話時較少使用連貫的句子和所有格代詞。該發現可用於預測精神疾病的發病。

在中國人民大學，盧志武博士領導的機器學習研究組則開發了一套 AI 讀心師系統，可通過分析一段短視頻來進行心理健康分析、五重性格測試等。

我國企業正在進行哪些嘗試？

翻開中國AI企業創業的畫卷，可以看到，AI+醫療企業數以百計，但聚焦AI+精神健康的企業卻要小眾得多。

望裡科技就是其中一家初創AI精神健康科技公司。與傳統的問診模式不同，望裡科技主要運用AI技術對客觀生理數據進行評估和判斷，從而對成癮、抑鬱等精神類問題作出診斷。

望裡科技產品

具體來說，望裡科技的AI抑鬱評測系統利用腦電、眼動、皮電等信息採集的生理數據，對抑鬱症進行客觀的評估。通過複雜的數據運算，該系統可以尋找將抑鬱症患者與健康人群進行有效區分的計算機模型。

望裡科技創始人李岱認為，除了患者自述外，腦電、心率、皮電信號和患者的表情變化能夠呈現個體的精神類疾病和認知問題。這有助於改善以往精神科醫師下診斷偏主觀的現象。

通過與北京大學第六醫院的科研合作，目前望裡科技的抑鬱輔助診斷評估分類準確率已達到81%。據悉，未來該系統將拓展到自閉症、精神分裂、老年痴呆、暴力傾向等問題的研究和產品開發。

望裡科技還在上述系統的基礎上開發了自殺風險評估系統，這一產品被運用於服刑人員的心理管理，幫助獄警了解並管理服刑人員心理健康狀況，達到預防服刑人員自殺的目的。該產品在教育、醫療領域也有應用的潛力。

除了直接利用AI診斷精神類疾病之外，業界還在診療的其他環節進行了探索。

舒輔創始人CEO沈斌（右一）同上海市精神衛生中心邵陽副院長（左一）正在交談

以上海市精神衛生中心的實踐為例，一款醫療AI預問診機器人「精中小助理」被運用到了預問診環節。「精中小助理」是心理諮詢門診智能系統建設的一環，它搭載在微信小程序上，利用患者的候診時間對患者病症進行測評並生成報告，從而為醫生賦能，讓醫生更快地全方位了解自己的患者。

據了解，這款機器人由中美「混血」企業舒輔（Siuvo）研發，可以通過智能化的疾病管理系統助力醫院、醫生工作。當患者候診時，掃描二維碼進入小程序，就可以與雲端小機器人進行對話。一次典型的預問診對話可能會如下展開：

「檢查抑鬱程度。」「在過去兩周，您經常受到以下問題的困擾嗎？難以集中精神做事，例如看報紙或看電視」「有幾天。」「其他人反映你行動或說話遲緩；或者相反，你比平常活動更多——坐立不安、停不下來」「剛超過一半天數」……

「現在，寫病歷是醫生的共同痛點。對於大醫院的專家來說，他每天都非常忙，寫病歷要佔據大量的時間；而對鄉村基層的醫生來說，由於培訓的有限，他寫的病歷不夠規範。」沈斌告訴AI報導，舒輔開發的雲端小機器人可以作為醫生的助手，既能為醫生節約時間，又能助力病歷規範化。通過AI算法的輔助，病歷可從對話中直接提取，大大減少了醫生的工作負擔，也保證了病人檔案的完備性和更新的實時性。

從患者角度來看，在傳統場景下，患者往往是候診三小時，看病三分鐘，這浪費了患者大量的時間，時有患者感到不滿，很多醫患糾紛由此而來。而讓患者在候診期間就開始接受醫院的服務，患者的滿意度將得到提升。

從醫生角度來看，由於患者非常多，分配給每個患者的只有3-5分鐘，有了小機器人助手後，醫生就能利用有限的時間為患者作出更有針對性的鑑別診斷和治療。以往面對醫生時，部分患者會說了很多話卻說不到要點上，而舒輔小機器人能夠按照診斷學原理將重點的症狀信息提煉出來，再提交給醫生，這為醫生診斷帶來了很大便利。

值得注意的是，我國還有運用AI對抑鬱患者自殺進行危機幹預的非盈利組織。荷蘭阿姆斯特丹自由大學終身教授、首都醫科大學大腦保護高精尖中心抑鬱症人工智慧創新團隊首席科學家、武漢科技大學大數據研究院副院長兼特聘教授黃智生發現，微博上存在為數眾多自殺者的微博帳號，計劃自殺者常會在這些帳號的微博下留言抒發「自殺」「約死」等負面情緒，這些微博成了發洩情緒的「樹洞」。黃智生開發了AI機器人，該程序可自動通過算法識別「樹洞」下準備輕生的人，隨即救援團志願者便能前去救助。

黃智生表示，運用知識圖譜技術，AI機器人可通過監控留言分析一個人的情緒。幾乎每個月，救援團都能救回50條生命，一年時間裡，救援團阻止了約800次自殺。

為何AI+精神健康走向商業化這麼難？

不難看出，我國涉足AI+精神健康領域的團隊多為中小型初創企業，公司數量寥寥，且產品應用規模也較為有限。學界對此領域的探索從未停下探索的腳步，但也面臨著商業化的難題。即使是在對精神健康更為重視的歐美國家，如IBM等巨頭涉獵該領域後，同樣未能將技術進行大規模推廣。這直觀地反應出AI+精神健康商業化之路的難度之高。

AI報導梳理業界現狀後，發現難題主要集中在以下幾方面。

首先，以抑鬱症為代表的精神類疾病大多病因未明，遺傳因素、社會心理因素、素質因素都可能與發病有關。業內有一句經典的比喻：現在人類對大腦的認知水平就好比在黑夜的足球場角落點了一支蠟燭。這形象地說明了當下人類認知的困境，而依賴人類輸入知識進行判斷的人工智慧自然也受此影響。

那麼，人工智慧能夠通過自我學習進行研究嗎？這涉及另一個問題，即人工智慧的黑盒問題。人工智慧根據輸入數據、模型及結構導出結果並自我學習，而其中的過程是人類所無法理解的，這可能帶來未知的風險，而醫學因與人類健康直接相關，故對不確定性的容忍度極低，在精神健康領域也是如此。

其次，目前企業探索的部分診療方式正飽受質疑。其中，通過情緒識別來監控情緒並判別心理狀態這一做法所受到的質疑最大。

在國際上，微軟、谷歌、IBM、亞馬遜等公司都開發了情緒識別算法，IBM還研發了建立在深度學習基礎上的診斷工具；在國內，如阿里等巨頭、商湯科技、雲從科技等計算機識別獨角獸也做了類似的應用，只是目前並未運用於醫院診療領域。研究證明，這些公司未將技術投入診療市場或與下列原因有關。

在高速運轉的社會中，飽經規訓的人們並不會把情緒明晃晃地寫在臉上。尤其是部分抑鬱症患者能夠對外界侃侃而談，經常面帶微笑，僅在獨處時顯露出沮喪，他們被稱為「微笑抑鬱症」患者。要想看出他們表象背後的疾病則更難。

為探討情緒識別算法與真實情感的相關度，美國心理科學協會曾委託五位來自該領域的傑出科學家進行了數據收集和科學證明。最終，五位科學家給出的論文顯示，情緒的表達方式多種多樣，很難從一組簡單的面部運動中可靠地推斷出一個人的感受，表情與心情之間沒有堅實的科學依據證明有直接關聯。

該論文的作者之一，麻薩諸塞州的東北大學心理學教授 Lisa Feldman Barrett 公開表示：「公司可以想說什麼就說什麼，但是數據是真實的。他們能檢測到一張憤怒的臉，但這與察覺到憤怒的情緒是兩碼事。」

Barrett還以皺眉為例闡述了觀點：「數據表明，當人們生氣時，在平均不到30%的時間裡會皺眉。故皺眉不等於憤怒，只是憤怒的眾多表達方式之一。這意味著在超過70%的時間裡，人們生氣時不會皺眉。更關鍵的是，他們不生氣是，也會經常皺眉。你確定要以此為基礎做決定嗎？當你在法庭打官司，在醫院等診斷或是在機場過安檢，你願意讓那30%的概率來『裁決』你嗎？」

再次，患者的接受度也對人工智慧的應用提出了考驗。無論是心理諮詢還是精神科問診，都要求患者主觀上對諮詢師/醫生充分信任，積極配合治療。但目前，人類對AI的心理檢測接受度普遍不高，這是由於心理檢測中涉及很多主觀判斷，如焦慮、心境低落等等。人類醫師具備共情能力，更易被患者認為「聽懂了我的話」，而人工智慧則易被視為「冷冰冰的機器」，難以獲得信任。

總地來說，儘管AI+精神健康市場空間巨大，但要讓應用落到實處，相關團隊要走的路還有很長。