达特茅斯学院的研究人员开发了一款名为“MoodCapture”的智能手机应用程序，利用人工智能和面部图像处理技术，能够在用户未察觉到情绪异常时准确检测抑郁症的早期症状。该应用程序被警告为未来可能在五年内向公众开放。研究团队表示，该技术的发展将为抑郁症患者提供更实时、非侵入性的支持和干预，并可以帮助预防和治疗抑郁症。应用程序通过分析用户的面部表情和周围环境来识别抑郁症状，建立了与抑郁自我报告相关的联系。这项研究的结果在CHI 2024会议上被介绍，引起了广泛关注。估计全文阅读时间约为4-5分钟。*
达特茅斯学院的研究人员报告称，他们已经开发出首款利用人工智能与面部图像处理软件相结合的智能手机应用程序，能够在用户甚至未意识到情绪异常之前，可靠地检测到抑郁症的发作。
该应用程序名为“MoodCapture”，通过使用手机前置摄像头捕捉个人在日常使用中的面部表情和周围环境，然后评估这些图像中与抑郁症相关的临床线索。在一项对177名被诊断为重度抑郁障碍的人进行的研究中，该应用程序以75%的准确率正确识别出了抑郁症的早期症状。
研究人员表示，随着进一步开发，这项技术可能在未来五年内对公众开放。这些研究人员来自计算机科学系和盖塞尔医学院。
该团队在2月27日将他们的研究结果发表在arXiv预印本数据库上，并计划在5月份的计算机协会CHI 2024会议上进行介绍。CHI会议上展示的论文在接受前都经过同行评审，并将发表在会议论文集中。
安德鲁·坎贝尔（Andrew Campbell），该论文的通讯作者，同时也是计算机科学的阿尔伯特·布拉德利1915年第三世纪教授表示：“这是第一次使用自然‘野外’图像来预测抑郁症。”他还说：“数字化心理健康技术一直在努力最终开发出一种工具，能够以可靠且非侵入式的方式预测被诊断为重度抑郁症的人的情绪。”
坎贝尔还提到：“人们每天都会使用面部识别软件数百次来解锁他们的手机。”
“MoodCapture使用了类似的技术流程，结合了面部识别技术、深度学习和人工智能硬件，因此在不增加用户任何额外负担的情况下扩展这项技术具有极大的潜力，”他说。“一个人只需解锁他们的手机，MoodCapture就能了解他们的抑郁动态，并建议他们寻求帮助。”
在这项研究中，应用程序在90天内捕捉了参与者的125,000张图像。参与研究的人同意通过他们手机的前置摄像头拍照，但他们不知道何时会发生这种情况。
安德鲁·坎贝尔表示：“我认为，诸如此类的技术可能在五年内对公众开放。我们已经证明这是可行的。”
首批参与者被用来编程MoodCapture以识别抑郁症。他们在回应“我感到沮丧、抑郁或无望”这一陈述时，通过手机前置摄像头随机拍照。这一提示来自于八点患者健康问卷（PHQ-8），临床医生使用该问卷来检测和监测重度抑郁。
研究人员使用图像分析人工智能对这些照片进行分析，使MoodCapture的预测模型能够学习将抑郁自我报告与特定的面部表情——如凝视、眼动、头部位置和肌肉僵硬度——以及环境特征如主导色彩、照明、照片位置和图像中人数的相关性。
这意味着，每当用户解锁他们的手机时，MoodCapture都会实时分析一系列图像。人工智能模型根据在预测抑郁严重程度方面发现的重要的表情和背景细节之间建立联系。随着时间的推移，MoodCapture会识别出特定于用户的图像特征。例如，如果某人在昏暗的房间中持续出现表情呆滞的情况，人工智能模型可能推断此人正在经历抑郁的开始。
为了测试预测模型，研究人员让另一组参与者在MoodCapture拍照时回答相同的PHQ-8问题。软件根据从第一组收集的数据分析这些照片中的抑郁指标。正是这第二组人MoodCapture人工智能正确地判断出他们是否抑郁，准确率达到75%。
“这证明了朝着评估个人情绪的强大工具的一条道路，并使用数据作为治疗干预的基础，”坎贝尔说，并指出90%的准确率将是一个可行传感器的门槛。“我的感觉是，诸如此类的技术可能在五年内对公众开放。我们已经证明这是可行的。”
MoodCapture以不规则的时间尺度满足重度抑郁症，尼古拉斯·雅各布森（Nicholas Jacobson），达特茅斯技术和行为健康中心生物医学数据科学和精神病学助理教授，也是该研究的共同作者，他指导着人工智能与心理健康：技术引导下的医疗保健创新（AIM HIGH）实验室。
“我们的许多治疗抑郁症的干预措施都围绕着较长的时间段，但这些人的状况会有起伏。传统评估无法捕捉到抑郁症的大部分情况，”雅各布森说。“我们的目标是捕捉抑郁症患者在日常生活中经历的症状变化。”雅各布森表示。“如果我们能够使用这种方式预测和理解抑郁症状的快速变化，我们最终可以预防并治疗它们。我们越能及时介入，抑郁的影响就越小。”
雅各布森预计，像MoodCapture这样的技术可以帮助缩小抑郁症患者需要干预与他们实际能够获得心理健康资源之间的巨大差距。他说，平均来看，一个人的生活中不到1%的时间是与诸如精神病学家之类的临床医生度过的。“这些技术的目标是提供更实时的支持，而不会给护理系统增加额外的压力，”雅各布森说。
像MoodCapture这样的人工智能应用理想情况下会建议预防措施，如外出或与朋友联系，而不是明确告知一个人他们可能正进入抑郁状态，雅各布森说。
“告诉某人他们的情况不妙可能会让情况变得更糟，”他说。“我们认为，MoodCapture为检测抑郁症打开了一扇门，在情况恶化之前的那一刻就能进行评估。这些应用应该与干预措施配对，积极尝试在抑郁扩大和演变之前打断它。十多年前，这类工作还是难以想象的。”
这项研究源于雅各布森领导的一项国立心理健康研究所资助的项目，该项目正在研究使用深度学习和被动数据收集实时检测抑郁症状。它还基于坎贝尔实验室在2012年领导的一项研究，该研究收集了达特茅斯参与者手机中的被动和自动数据，以评估他们的心理健康。
但是，自那以后智能手机摄像头的进步使研究人员能够清晰地捕捉到在正常手机使用过程中会拍摄的被动照片，坎贝尔说。坎贝尔是技术和行为健康中心新兴技术和数据分析的负责人，他领导着一个团队，开发可以根据被动数据跟踪情绪状态和工作表现等指标的移动传感器。
这项新研究表明，被动照片是成功的基于移动的治疗工具的关键，坎贝尔说。它们比用户生成的自拍更准确、更频繁地捕捉到情绪，并且不会通过要求主动参与来阻碍用户。“这些中性照片非常像在人们没有表现出外表时那一刻看到的样子，这增强了我们面部表情预测模型的性能，”坎贝尔说。
Subigya Nepal，坎贝尔研究小组的博士候选人，以及Guarini博士生Arvind Pillai是该研究的共同首席作者，他们表示MoodCapture的下一步包括在更多样化的参与者上训练AI，提高其诊断能力，并加强隐私措施。
研究人员设想的MoodCapture版本是照片永远不会离开个人的手机，Nepal说。相反，照片将在用户的设备上处理，以提取与抑郁相关的面部表情，并将其转换为AI模型的代码。“即使数据确实离开了设备，也无法将其重新组合成能识别用户的图像，”他说。
与此同时，如果AI被设计为根据特定使用它的人的面部表情扩展其知识，则可以在消费者端提高应用程序的准确率，Nepal说。
“你不需要从头开始——我们知道通用模型的准确率是75%，所以可以使用特定人的数据来微调模型。未来几年内的设备应该很容易处理这个问题，”Nepal说。“我们知道，面部表情是情绪状态的一个指示。我们的研究是一个概念验证，当谈到使用技术评估心理健康时，它们是我们可以获得的最重要的信号之一。”
新闻资料来源：Phone App Uses AI to Detect Depression From Facial Cues
可能会感兴趣的问题：
1. 这款名为“MoodCapture”的应用程序如何使用人工智能和面部图像处理软件来检测抑郁症的早期症状？
2. 该研究团队的研究成果在哪些方面有望对未来的心理健康诊断和干预产生影响？
3. MoodCapture在实际使用中如何确保用户的隐私和数据安全？
4. 研究人员提到在未来五年内可能会向公众开放类似于MoodCapture的技术，您认为这项技术的推广可能会面临哪些挑战？
5. 该研究的参与者对于应用程序使用他们的前置摄像头拍照是否有任何疑虑或顾虑？
6. MoodCapture如何区分抑郁症的真实症状与用户日常面部表情的差异？
7. 研究人员提到MoodCapture可以帮助缩小抑郁症患者获得心理健康资源的差距，您认为这种技术将如何影响心理健康资源的分配和利用？
8. MoodCapture应用程序中的人工智能定位在哪些方面可以提高准确性和有效性？
*简介与问答内容由人工智能chatGPT根据文章内容总结发散，仅供参考，如有冲突请以正文内容为准
【独家稿件声明】本文为美国续航教育（Forward Pathway LLC，官网地址：www.forwardpathway.com）原创，未经授权，任何媒体和个人不得全部或者部分转载。如需转载，请与美国续航教育联系；经许可后转载务必请注明出处，违者本网将依法追究。
美国续航教育总部位于美国加利福尼亚州洛杉矶，同时在中国上海和深圳设有续航教育分部。续航教育自2013年成立以来，致力于研究中美之间的文化教育发展与趋势，提供最专业的美国留学一站式服务，获得美国国际招生协会AIRC及国际教育顾问委员会ICEF的双重认证。
觉得有用的话就评价/分享一下吧~
