陳根：健身手環，診斷精神疾病_風聞

​/陳根

良好的精神健康是社會繁榮的必要條件，但愈發頻繁的與之相關的社會新聞和觸目驚心的調查數據卻昭示了人們與精神健康的背離。

據世界衞生組織（WHO）統計，全世界有近10億人患有精神障礙，而在一眾精神障礙裏，抑鬱症則是離人們最近，也最令人們困擾的精神疾病。全球約有3.5億人患有抑鬱症，我國抑鬱症患者超過5400萬人，也就是説，每25個人中，就有1人患有抑鬱症。與此同時，抑鬱症患者人數還在呈增加趨勢。

然而，在醫學領域中，沒有任何可靠的生物標記可以用來診斷精神疾病。精神病學家們想找出發現思想消極的捷徑卻總是得不到結果，這使許多精神病學的發展停滯不前。它讓精神疾病的診斷變得緩慢、困難並且主觀，阻止了研究人員理解各種精神疾病的真正本質和原因，也研究不出更好的治療方法。

但這樣的困境並不絕對，事實上，精神科醫生診斷所依據的患者語言給精神病的診斷突破提供了重要的線索。比如，有些研究項目表明，患有精神病的高風險人羣一般很少使用“我的”、“他的”或“我們的”等所有格代詞。基於此，研究人員把對於精神疾病的診斷突破轉向了機器對語義的識別。

事實上，已經有越來越多的研究人員開始篩選人們產生的數據來尋找抑鬱、焦慮、雙相情感障礙和其他綜合症的跡象——從人們的語言選擇、我們的睡眠模式到我們給朋友打電話的頻率，這些數據與對這些數據的分析，就被稱為——數據表型。

**通過數字表型，個體與數字科學的結合影響着從診斷、治療到慢性病管理的疾病整個譜系。**在精神病學領域引進數字表型，能夠更密切和持續地測量患者日常生活中的各種生物特徵信息，如情緒、活動、心率和睡眠，並將這些信息與臨牀症狀聯繫起來，從而改善臨牀實踐。

**現在，一項新的研究表明，Fitbit 健身手環就可以幫助追蹤和警告用户是否有患上抑鬱症風險。**這項研究由新加坡南洋理工大學的一個團隊進行，共有 290 名成年人（平均年齡 33 歲）被要求連續 14 天佩戴 Fitbit Charge 2 活動追蹤設備。他們被告知，除了洗澡或充電時，其他時間都要佩戴它。

在為期 2 周的測試開始前和結束後，參與者都需要完成一份問卷，該問卷被廣泛用於識別正在變得抑鬱的人。隨後**，這些問卷調查的結果與 Fitbits 收集的數據相結合，並用於訓練一個名為 Ycogni 模型的機器學習計算機程序。**

當該程序隨後被用來單獨分析 Fitbit 數據時，它被證明在預測哪些人最有可能患上抑鬱症以及哪些人最不可能患上抑鬱症方面具有約 80% 的準確性。據觀察，容易抑鬱的人羣在凌晨 2 點到 4 點之間的心率變化更大，然後在凌晨 4 點到 6 點之間再次變化（由Fitbits測量）。這與早期研究的結果一致，這些研究表明睡眠時的心率變化可能是抑鬱症的一個有效生理指標。

相較於傳統精神病學只能依賴於個別精神病學家的技能、經驗和意見的診斷來説，以人工智能為依託的數據表型無疑具有無可比擬的優勢和潛力，包括疾病預測、疾病持續的評估監測、疾病治療方案評估。這將對精神疾病的診斷和治療上大有裨益。