基于人工智能的抑郁癥治未病與健康管理服務(wù)模式構(gòu)建

陳 鑫，許亮文

(1.杭州師范大學(xué) 公共衛(wèi)生學(xué)院，浙江 杭州 311121；2.溫州商學(xué)院 信息工程學(xué)院，浙江 溫州 325035)

抑郁癥是一種發(fā)病率較高的精神健康類疾病，對各類人群產(chǎn)生廣泛的不良影響[1]。當(dāng)前抑郁癥的研究是學(xué)界的熱點話題。大學(xué)生由于繁重的學(xué)習(xí)壓力、經(jīng)濟壓力及各種生活方面的壓力，容易產(chǎn)生心理健康問題，如果不能及時干預(yù)疏導(dǎo)，易發(fā)展為抑郁癥。2020年9月，國家衛(wèi)健委發(fā)布《探索抑郁癥防治特色服務(wù)工作方案》[2]，要求高等院校要將抑郁癥篩查納入學(xué)生健康體檢內(nèi)容，并提出對青少年、孕產(chǎn)婦、老年人、高壓職業(yè)人群進行心理健康服務(wù)[3-4]。目前，對抑郁癥健康管理方面的研究包括抑郁癥的快速評估預(yù)警及干預(yù)技術(shù)，對制定該疾病公共衛(wèi)生服務(wù)政策具有重要的參考價值[5-6]。本研究基于人工智能技術(shù)與中醫(yī)治未病思想，構(gòu)建抑郁癥治未病與健康管理服務(wù)模式，以期對抑郁癥高危人群提前進行預(yù)警與干預(yù)、促進抑郁癥高危人群心理健康的盡快恢復(fù)，從而減少抑郁癥帶來的危害。

1 人工智能與抑郁癥健康管理的結(jié)合

臨床上確認(rèn)個人抑郁嚴(yán)重程度需要精神衛(wèi)生專業(yè)醫(yī)生的參與，常采用采訪及自我報告的方法，整個測試流程需要花費患者大量時間和金錢，并且醫(yī)生很難對人群進行大規(guī)模篩查以及快速篩查[7]。到醫(yī)院尋求診斷的患者往往抑郁已達到較嚴(yán)重的程度，錯過了最佳干預(yù)時間，不利于抑郁癥的治療。

在抑郁癥健康評估方面，傳統(tǒng)的方法主要是量表評估，著名量表有抑郁癥癥狀快速自評量表(the 16-item quick inventory of depressive symptomatology，QIDS)、患者健康問卷(patient health questionnaire，PHQ-9)等。被測試者只需回答量表問卷題目，然后根據(jù)作答情況計算量表得分，就可以快速獲知被測試者的抑郁嚴(yán)重程度，但該方法具有主觀性較強的缺點，且回答問卷全部問題耗費時間較長，因此該方法診斷效率較低。

人工智能在醫(yī)療健康方面的應(yīng)用是當(dāng)前人工智能的主要應(yīng)用領(lǐng)域之一[8]。人工智能包括機器學(xué)習(xí)、虛擬現(xiàn)實(virtual reality，VR)、計算機視覺、人機交互等關(guān)鍵技術(shù)。當(dāng)前人工智能技術(shù)已廣泛用于抑郁癥的研究[9]，如在抑郁癥高危人群的快速評估預(yù)警方面采用機器學(xué)習(xí)技術(shù)，在抑郁癥干預(yù)技術(shù)方面采用VR技術(shù)，使患者對美好的事物產(chǎn)生一種身臨其境的感覺，促進其心理健康的康復(fù)，改善患者的健康狀況。

通過提取抑郁癥相關(guān)數(shù)據(jù)如日常健康數(shù)據(jù)、傳感器數(shù)據(jù)、語音數(shù)據(jù)、量表數(shù)據(jù)、人口統(tǒng)計學(xué)數(shù)據(jù)、視頻數(shù)據(jù)等，使用機器學(xué)習(xí)算法，可以建立抑郁癥高危人群篩查預(yù)警模型。根據(jù)中醫(yī)治未病思想，對抑郁癥高危人群及時進行預(yù)警，防止病情加重，可減少個人疾病負(fù)擔(dān)、提高生活質(zhì)量；獲知自己的抑郁狀態(tài)后，高危人群可以采用心理健康在線教育、中醫(yī)綜合護理干預(yù)措施、運動飲食等積極的干預(yù)措施，及時進行健康管理，可大幅節(jié)約因疾病帶來的經(jīng)濟成本。相關(guān)技術(shù)的研究與應(yīng)用可以為抑郁癥的公共衛(wèi)生服務(wù)提供切實可行的策略，從而減少抑郁癥對人類健康造成的危害。

2 抑郁癥智能健康管理服務(wù)模型的構(gòu)建

健康管理有三部曲：了解健康狀況，進行健康信息的收集；評價健康狀況，進行健康風(fēng)險的評估；改善健康狀況，進行健康危險因素的干預(yù)[10]。根據(jù)健康管理學(xué)理論、中醫(yī)治未病思想以及人工智能技術(shù)，可設(shè)計抑郁癥智能健康管理服務(wù)模型[11-12]，見圖1。

圖1 抑郁癥智能健康管理服務(wù)模型

其中抑郁癥健康數(shù)據(jù)采集、建立人群健康檔案屬于健康檢測階段。基于健康大數(shù)據(jù)的分析與評估、基于機器學(xué)習(xí)的抑郁癥高危人群篩查，屬于健康評估階段?；诤Y查結(jié)果的抑郁癥高危人群預(yù)警、基于人工智能與信息技術(shù)的抑郁癥高危人群健康干預(yù)，屬于健康干預(yù)階段。該模型是一個周而復(fù)始的過程，從而達到疾病預(yù)防與改善的效果。

模型的評價主要包括性能評價與經(jīng)濟性評價，根據(jù)應(yīng)用場景、應(yīng)用對象，在準(zhǔn)確性與經(jīng)濟性之間達到平衡。模型性能評價指標(biāo)主要有：準(zhǔn)確率(accuracy)、精確率(precision)、靈敏度(sensitivity)、特異度(specificity)以及F1分?jǐn)?shù)[13]。經(jīng)濟性評價要充分考慮評估成本，在性能可接受前提下，盡量降低成本，這樣的模型就可以用于抑郁癥高危人群大規(guī)模篩查，比如大學(xué)生入學(xué)抑郁癥高危人群篩查。模型可以設(shè)計為計算機軟件或手機APP的形式用于抑郁癥的健康管理，從而可以用于抑郁癥的公共衛(wèi)生服務(wù)。

3 基于不同模態(tài)數(shù)據(jù)的抑郁癥機器學(xué)習(xí)篩查方法

機器學(xué)習(xí)是一門交叉學(xué)科，研究如何用計算機模擬和實現(xiàn)人類的學(xué)習(xí)行為，從而能夠獲取新的知識或技能。機器學(xué)習(xí)是人工智能最前沿的研究領(lǐng)域之一[14]。重要的機器學(xué)習(xí)算法主要包括：決策樹、隨機森林、人工神經(jīng)網(wǎng)絡(luò)、邏輯回歸、支持向量機、K最近鄰、多元線性回歸等。

進行抑郁癥高危人群的機器學(xué)習(xí)篩查需要首先提取健康數(shù)據(jù)的特征。健康數(shù)據(jù)庫特征參數(shù)的提取關(guān)系到機器學(xué)習(xí)篩查效果的好壞，因為需要提取計算機程序可識別的健康數(shù)據(jù)去訓(xùn)練和測試抑郁癥高危人群篩查模型?？裳芯康臄?shù)據(jù)包括個人基本信息數(shù)據(jù)、傳感器數(shù)據(jù)、日常健康數(shù)據(jù)、量表數(shù)據(jù)、語音數(shù)據(jù)等，數(shù)據(jù)特征參數(shù)多，具有一定的復(fù)雜性[15]。

對于不同的數(shù)據(jù)，需要選擇不同的特征表達方法。例如日常健康數(shù)據(jù)可以采取分段表示的方式。語音特征采用專業(yè)軟件提取，一段語音數(shù)據(jù)的特征可以高達幾十到上千維。對于提取到的特征可以采用多層感知器神經(jīng)網(wǎng)絡(luò)、多重Logistic回歸等方法選取重要的特征進行降維。對于健康數(shù)據(jù)的選擇，盡量選擇獲取方便、獲取成本低的數(shù)據(jù)，這樣篩查模型就可以用于抑郁癥的大規(guī)模篩查，同時可以降低公共衛(wèi)生服務(wù)成本。

4 基于人工智能的抑郁癥預(yù)警與干預(yù)

經(jīng)過抑郁癥高危人群篩查算法篩查評估后，對于評估為抑郁癥高危人群的個體，要進行干預(yù)治療[16-17]。(1)及時預(yù)警。通過短信平臺或微信平臺的方式將評估結(jié)果及時告知測試者，高危人群可有針對性地積極采取干預(yù)措施。(2)在線心理健康教育。有抑郁癥狀后，很多人羞于承認(rèn)自己有病也不愿尋求治療，采用匿名在線方式的心理輔導(dǎo)則能大大減輕人們尋求治療的心理壓力，可以采用真人心理健康咨詢師或虛擬心理教師提供在線心理輔導(dǎo)，緩解患者心理壓力。(3)VR干預(yù)。采用虛擬現(xiàn)實技術(shù)，例如VR眼鏡，提供一些美好的事物或優(yōu)美的環(huán)境，可以使人心情舒暢，促進心理健康。(4)智能化藥物、飲食、運動干預(yù)方法推薦。設(shè)計抑郁治療智能推薦方案知識庫，個性化推薦適合的療法如中藥療法、西藥療法、飲食療法、運動療法或者組合療法等。(5)干預(yù)知識的可視化呈現(xiàn)與仿真。通過對干預(yù)知識進行可視化的呈現(xiàn)，使患者更好地對相關(guān)知識進行理解并付諸實踐。

5 抑郁癥高危人群篩查預(yù)警管理系統(tǒng)的設(shè)計與實現(xiàn)

基于抑郁癥高危人群篩查以及抑郁癥高危人群預(yù)警等關(guān)鍵技術(shù)的實現(xiàn)，設(shè)計面向應(yīng)用的抑郁癥高危人群篩查與預(yù)警管理系統(tǒng)，并以計算機軟件或手機APP的形式來實現(xiàn)。關(guān)鍵模塊的實現(xiàn)采用Python語言或者Matlab語言進行編程。同時系統(tǒng)應(yīng)有干預(yù)知識庫，并存儲測試者的健康信息用于長期的管理與指導(dǎo)。健康信息存儲在抑郁癥健康信息數(shù)據(jù)庫里，可用于后續(xù)的健康指導(dǎo)。

6 抑郁癥治未病與健康管理模型關(guān)鍵技術(shù)探討及服務(wù)改進策略

6.1 抑郁癥高危人群篩查模型的優(yōu)化 針對采集到的健康數(shù)據(jù)，采用不同的機器學(xué)習(xí)算法進行建模，比較不同模型的性能指標(biāo)，選取最優(yōu)模型。同時對輸入數(shù)據(jù)指標(biāo)進行優(yōu)化，選取主要特征進行建模，既能提高抑郁癥高危人群篩查模型的精度，同時簡化了模型的數(shù)據(jù)采集工作，降低了模型的成本。模型優(yōu)化可以使模型達到降低數(shù)據(jù)采集數(shù)量，降低數(shù)據(jù)采集成本，提高模型評估性能的效果，進而可以低成本、快速、方便地對抑郁癥高危人群做出篩查。

6.2 融入中醫(yī)治未病思想，對抑郁重點個體及時進行預(yù)警與干預(yù) 根據(jù)中醫(yī)治未病思想，需要對抑郁癥高危人群進行重點關(guān)注。在建模算法中對需要預(yù)警的重點關(guān)注個體自動做標(biāo)記，通過短信平臺、微信平臺、電話、郵件等方式進行實時預(yù)警，使重點關(guān)注個體了解和掌握自己的健康。通過對抑郁癥篩查技術(shù)的調(diào)整，在抑郁癥健康管理服務(wù)過程中，找出高危人群，及時給予預(yù)警與干預(yù)，避免病情進一步惡化，減輕患者經(jīng)濟負(fù)擔(dān)及社會負(fù)擔(dān)。

7 總結(jié)

根據(jù)健康管理理論構(gòu)建的抑郁癥智能健康管理模型不僅可以用于健康人群的抑郁癥防治，還可以用于抑郁癥高危人群的健康促進?；诙嗄B(tài)數(shù)據(jù)的抑郁癥機器學(xué)習(xí)篩查方法，用數(shù)據(jù)和計算機代替專業(yè)醫(yī)生的部分工作，提供了快速方便的健康管理篩查服務(wù)手段?；谌斯ぶ悄艿囊钟舭Y預(yù)警與干預(yù)方法為抑郁癥高危人群提供了一種簡便的治未病與健康管理策略，可以作為醫(yī)院常規(guī)治療手段的有效補充。