文/陈根
良好的精神健康是社会繁荣的必要条件，但愈发频繁的与之相关的社会新闻和触目惊心的调查数据却昭示了人们与精神健康的背离。
据世界卫生组织（WHO）统计，全世界有近10亿人患有精神障碍，而在一众精神障碍里，抑郁症则是离人们最近，也最令人们困扰的精神疾病。全球约有3.5亿人患有抑郁症，我国抑郁症患者超过5400万人，也就是说，每25个人中，就有1人患有抑郁症。与此同时，抑郁症患者人数还在呈增加趋势。
然而，在医学领域中，没有任何可靠的生物标记可以用来诊断精神疾病。精神病学家们想找出发现思想消极的捷径却总是得不到结果，这使许多精神病学的发展停滞不前。它让精神疾病的诊断变得缓慢、困难并且主观，阻止了研究人员理解各种精神疾病的真正本质和原因，也研究不出更好的治疗方法。
但这样的困境并不绝对，事实上，精神科医生诊断所依据的患者语言给精神病的诊断突破提供了重要的线索。比如，有些研究项目表明，患有精神病的高风险人群一般很少使用“我的”、“他的”或“我们的”等所有格代词。基于此，研究人员把对于精神疾病的诊断突破转向了机器对语义的识别。
事实上，已经有越来越多的研究人员开始筛选人们产生的数据来寻找抑郁、焦虑、双相情感障碍和其他综合症的迹象——从人们的语言选择、我们的睡眠模式到我们给朋友打电话的频率，这些数据与对这些数据的分析，就被称为——数据表型。
通过数字表型，个体与数字科学的结合影响着从诊断、治疗到慢性病管理的疾病整个谱系。在精神病学领域引进数字表型，能够更密切和持续地测量患者日常生活中的各种生物特征信息，如情绪、活动、心率和睡眠，并将这些信息与临床症状联系起来，从而改善临床实践。
现在，一项新的研究表明，Fitbit 健身手环就可以帮助追踪和警告用户是否有患上抑郁症风险。这项研究由新加坡南洋理工大学的一个团队进行，共有 290 名成年人（平均年龄 33 岁）被要求连续 14 天佩戴 Fitbit Charge 2 活动追踪设备。他们被告知，除了洗澡或充电时，其他时间都要佩戴它。
在为期 2 周的测试开始前和结束后，参与者都需要完成一份问卷，该问卷被广泛用于识别正在变得抑郁的人。随后，这些问卷调查的结果与 Fitbits 收集的数据相结合，并用于训练一个名为 Ycogni 模型的机器学习计算机程序。
当该程序随后被用来单独分析 Fitbit 数据时，它被证明在预测哪些人最有可能患上抑郁症以及哪些人最不可能患上抑郁症方面具有约 80% 的准确性。据观察，容易抑郁的人群在凌晨 2 点到 4 点之间的心率变化更大，然后在凌晨 4 点到 6 点之间再次变化（由Fitbits测量）。这与早期研究的结果一致，这些研究表明睡眠时的心率变化可能是抑郁症的一个有效生理指标。
相较于传统精神病学只能依赖于个别精神病学家的技能、经验和意见的诊断来说，以人工智能为依托的数据表型无疑具有无可比拟的优势和潜力，包括疾病预测、疾病持续的评估监测、疾病治疗方案评估。这将对精神疾病的诊断和治疗上大有裨益。
