面对5400万抑郁症患者，他们试图用AI拯救

本文来自微信公众号：大数据文摘（ID：BigDataDigest），作者：刘俊寰、张大笔茹，原标题《面对5400万抑郁症患者，这600位志愿者“树洞”打算用AI拯救他们》头图来自：unsplash

2019年，21岁的中国学生李凡在自己的个人微博上留下一行话后服药自杀。

根据后续调查，该生患有抑郁症，当时正在南京一所大学读大二，在欠了几笔网络贷款、遇到感情问题后，他开始休学在家，暗自决定轻生。

尽管这个决定他此前并未和其他人说过，但8000多公里外的荷兰首都阿姆斯特丹，一个代号为“树洞机器人002号”的程序很快便侦探到了李凡的帖子。

一场围绕他的救援行动就此展开，几名来自中国各地的志愿者们在网络上搭建了一个救援小组。在发现李凡可能已陷入昏迷后，志愿者们联系了警方，他最终被成功救下，送到医院。

李凡的故事看起来惊心动魄，但却只是这个名为“树洞救援队”的网络组织的日常。

这是一个由近600名来自中国各个地方志愿者组成的庞大网络，它的创立者是荷兰阿姆斯特丹自由大学（Vrije Universiteit Amsterdam）人工智能学者黄智生。

人工智能程序会自动把抓取到的网络留言划分为十个级别，根据紧急程度，十级为最高级，意味着自杀正在实施，随后的九级则意味着有明确计划的自杀企图。

“最高级的话，意味着生命危在旦夕，生命是高于一切的。但如果没有那么紧急，出于保护隐私，我们不会继续搜当事人的信息或采取行动。”黄智生说。

黄智生表示，创立“树洞救援队”的最初想法来源于发现身边越来越多的人都有抑郁倾向，于是在2018年，他创建了这个程序，寻找公开的社交媒体上那些心理需要帮助的人。

在近一年半的时间里，“树洞救援队”通过黄教授所研发的机器人程序与其他志愿者进行配合，累计阻止了近千次自杀行为，救回的轻生者数量逾700人。

“我觉得不能再犹豫了，晚一天，就是多少条生命，”黄智生在一次采访中表示，“现在每周都能救十个人左右”。

“树洞救援队”的统计显示，有自杀想法的人年龄主要集中在16至26岁，深夜10点到凌晨2点是树洞留言的高峰期，在男女比例上大约是1:3。

根据《中国青年报》报道，大学生抑郁症发病率正在逐年攀升。

2019年6月，根据世界卫生组织估计，全球逾3亿人罹患抑郁症，约占全球人口的4.3%，其中中国有5400万患者，相当于100个人里至少有3个抑郁症患者。

预计到2030年，抑郁症将位列世界疾病负担的首位。

面对日渐严重的现代心理问题，除了像黄智生和“树洞救援队”一样的志愿者们，越来越多的组织都开始尝试用技术和AI，为抑郁症患者们寻求庇荫。

时间就是生命！用算法缩短儿童出现抑郁症时间

抑郁症群体中，儿童或许是一个比较特殊的存在。

根据统计，大多数自闭症儿童的父母都是在孩子出生后1到3年才发现孩子的变化，在美国，这个年龄中位数为4.3岁。但是，大量研究表明，在综合征完全显现之前，进行早期干预可以降低ASD的严重程度，并改善儿童的大脑和行为发育。

有没有一种方法可以缩短儿童出现症状到确诊中间的时间差呢？

最近，一家位于加利福尼亚的公司推出一种新的自闭症谱系障碍（ASD）诊断工具Cognoa，这个工具使用了人工智能技术，能在出现相关迹象的几周内做出ASD诊断，远快于当前的标准。

贝勒医学院的临床自闭症研究员，德克萨斯儿童医院自闭症研究中心副主任Robin Goin-Kochel说，Cognoa的方法是“创新的”，该领域需要一种方法“最小化对发育或行为的首次关注与最终的ASD诊断之间的时间”。

Cognoa的技术来自斯坦福大学医学院儿科学副教授Dennis Wall实验室，“我希望以此客观地提出一个问题：我们能否在不损失准确性的情况下，降低自闭症诊断过程的复杂性？”

通过将电子病历数据输入一组算法中，Wall的团队能够区分出ASD诊断的核心特征，包括社交和情感特征，例如对他人微笑的回应，对物体的共同关注，创造力以及想像力等。

该团队的ASD诊断程序通过三个模块来捕获这些诊断依据：父母调查，家庭录像和临床医生问卷。

Cognoa首席执行官David Happel解释了该工具的工作原理：当父母对家庭儿科医生表示担忧，或者孩子未通过ASD筛查问卷时，儿科医生会给父母一个代码，以便他们在智能手机上访问Cognoa的应用。

进入应用程序后，父母会回答有关孩子行为方式的15分钟调查问卷，上传两个孩子的家庭录像（长度为1~2分钟），捕获孩子在自然环境中的行为。这些视频将发送给训练有素的Cognoa专业人员，他们会对其进行审核并回答相关问题。

这些答案连同父级答案以及由儿科医生填写的简短问卷一起被输入到Cognoa的AI中，然后，该算法将结果发送给儿科医生，儿科医生进行诊断。

Happel说，该工具的算法是根据来自数百个不同性别、种族和种族背景的实际案例的数据进行训练的，“事实证明，它不仅可以加快诊断时间，而且可以消除当前系统固有的许多偏差”。

当今的标准ASD诊断工具是根据来自年轻白人男孩的健康数据构建的，这些工具不能很好地识别女孩和非白色背景的儿童，从而导致这些人群的诊断延迟。

最近，该公司在美国各地的14个地点完成了一项关键的双盲临床试验。报道称，此试验涉及425名年龄在18至72个月之间的儿童，他们的父母或医生对他们的发育表示担忧，但之前未接受过ASD评估。每个孩子都要接受两次评估：一次是使用Cognoa的工具，一次是根据DSM-5标准由专科医师进行的，其诊断得到了另一名专科医师的确认。

关键试验的结果尚未公布，因此还没有具体数据可报告。

但该公司表示，此试验“已超过了FDA同意的目标基准”，在性别和种族上都是准确的。另外，这项研究于2019年7月至2020年5月进行，因今年春季新换大流行期间通过远程医疗对部分儿童进行了远程评估。在远程管理上，该工具的性能也一样好。

公司计划在未来几个月内提交完整的研究报告以供发表，不久将正式提交FDA。如果获批成功，Cognoa将成为首个自闭症谱系障碍诊断工具。

李飞飞团队开发AI诊断抑郁症，准确度达83.3%

不只是儿童，对于整个抑郁症群体，我们都应该给予足够的重视。

2018年，李飞飞团队就开发了一种能够诊断抑郁症的AI。

根据介绍，这个AI主要结合了语音识别、计算机视觉及自然语言处理技术，通过表情和语音诊断一个人是否患了抑郁症。

根据实验结果显示，AI系统在诊断抑郁症上的准确度已经达到了83.3%，不仅如此，该模型还可以部署到手机上，从而让更多的人能够进行诊断。

在具体诊断上，该模型主要判断以下要素：患者是否语调单一，完全不抑扬顿挫；说话音量是否比较低；讲话时手势是不是比正常人少；是不是总爱低头向下看等。

这个模型的训练主要用到的是DAIC-WOZ数据，包括142名患者的健康问卷评分和189次临床访谈、总共50小时的数据。

整个模型由两个部分组成。第一个部分为句子级嵌入式（Sentence-LevelEmbeddings），即整个句子多模态嵌入，可实现捕捉更长时间的声音、视觉和语音元素。第二个部分为因果卷积网络（C-CNN, CausalConvolutional Networks）。

之所以用到卷积网络，主要原因在于抑郁症患者在说话的时候，会在不同的字词之间停顿更长时间，因此，整个句子的音视频也就比较长。在处理这种长句子上，因果卷积网络要比循环神经网络强。

值得提的一件事，就是这项研究成果还入选了NIPS NeurIPS 2018医疗健康机器学习（ML4H）Workshop。

陪伴仍然是一个问题

因抑郁症自杀的患者不在少数。

今年，日本影星三浦春马和竹内结子都选择结束自己的生命，不少日媒揣测，二人做出这样的选择皆是抑郁症导致的。

正如开头提到的“树洞救援队”救援队员所说，在救回轻生的抑郁症患者后，他们还面临着另一个更大的问题，那就是陪伴。

“我现在生活中的大部分时间都被这些树洞宝宝（指被救援者）占据了。有时很疲惫，”一位“树洞救援队”的工作人员说，她目前仍和8位被救援者保持着长期聊天关系，“他们给我留言，说自己的困惑，我一般看到后都会马上回”。

除了线上陪伴，一些队员还想办法帮助被救援者解决现实困难。例如，曾有人工智能学者帮一名社交恐惧症患者找到了一份数据标注工作。

李凡表示，虽然救援队员很努力了，但大多时候仍只能解一时之急，在这个时候，自己的努力和亲人的理解更加重要。

根据另一位工作人员表示，有患者被救回来后，状态“看起来一天比一天好”，甚至准备回校读书，但就在一个周末，突然吞药自尽，生命戛然而止。“我到现在也不知道原因，她周五还在和我聊她微信的新头像，”她说到，“陪了这么长时间的人突然走了，是一种很大的冲击”。

“就像鲁迅说的，人类的悲欢很多是并不相通的，还是要靠自己走出来。”李凡说。

相关报道：

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/cognoa-ai-autism-diagnostic-seeks-fda-clearance

http://atimescn.com/LifestyleView-5244.html

https://zhuanlan.zhihu.com/p/51408392

https://www.bbc.com/zhongwen/simp/science-50313320

本文来自微信公众号：大数据文摘（ID：BigDataDigest），作者：刘俊寰、张大笔茹