App鑑貌辨聲診斷抑鬱準確率逾8成

中大研發藉AI分析多模態數據有效益

臨床評估是診斷抑鬱症的黃金標準，但精神健康服務供不應求。香港中文大學醫學院研發一款手機應用程式，透過人工智能分析用戶的「多模態數據」，包括面部表情、聲線及說話內容等生物指標，以及由腕動計收集到的作息習慣資料作診斷，證實程式能有效評估抑鬱症，診斷準確率達81%，較使用單模態數據或自我評估量表的介乎69%至76%高；研究結果已於國際期刊Translational Psychiatry發表。

中大醫學院精神科學系系主任兼卓敏精神科學教授榮潤國表示，根據香港精神健康調查2015年數據，本港每100人有8.3人患有抑鬱症。然而，本港常見精神障礙患者中，包括抑鬱症及焦慮症患者，有70%未有尋求精神健康服務，「由發病到求醫以年計，6年、8年至10年」。他表示，原因包括缺乏意識、害怕被歧視或尋求服務時遇到困難。為增加患者的求助意願，醫學界近年興起利用毋須面診的電子平台協助診斷。

有望成新一代監測工具

榮潤國指出，抑鬱症不僅是一種悲傷的感覺，還涉及生理、認知、情緒、語言及作息等多方面變化。因此，除了傳統的臨床診斷，利用電子方式量度及分析一系列多模態數據，亦有望成為新一代的抑鬱症評估和監測工具。他續指，隨着數碼化時代來臨，近10至20年出現大量手機應用程式，據統計，截至2015年，全球約有1.5萬個應用程式，當中約30%與精神健康相關，惟僅3%具有科學證據。

為此，中大醫學院精神科學系於2021年6月至2023年3月期間進行一項對照研究，以分析用「多模態數據」診斷華人抑鬱症患者的成效。研究共招募101位抑鬱症患者（抑鬱症組）及82位沒有精神障礙的人士（對照組）參與。參加者需要連續7日佩戴腕動計，以記錄他們的作息資料，並在中大研發的手機程式中，每日4次評估自己的快樂指數，及錄影片段記錄自己的表情、聲線及感覺描述。

研究發現，抑鬱症患者擁有類似的生物特徵，包括多緊皺眉頭，嘴角向上的表情亦較少；交談時傾向談及自己，並較常使用憂慮、心煩等消極的情緒言語；語速會變慢且停頓時長變化較大。作息測量結果顯示，抑鬱症患者會減少活動時間，並出現較紊亂的作息時間，例如遲睡及遲起床。同時，抑鬱症患者及康復者的快樂指數平均較對照組低。榮潤國表示，團隊的研究結果與以往文獻的分析一致，相關生物特徵可以成為識別抑鬱症高風險人群的指標。

中大醫學院精神科學系博士後研究員陳捷提到，團隊透過人工智能進一步分析發現，多模態數據能有效判斷患者是否曾經患過抑鬱症，準確度達81%，高於僅使用單模態數據或簡單自我評估的介乎69%至76%。此外，多模態數據配合自我評估量表亦可以評估患者的臨床狀態，準確度達70%，同樣優於僅使用單模態或簡單自我評估的介乎37%至58%。

料至少一年始開放公眾

相關手機應用程式仍在研究階段，目前僅供內部受試者使用。中大醫學院精神科學系助理教授李汶浩表示，因應受試者的建議，團隊計劃降低程式收集數據的頻率，由現時用戶需連續7日、每日4次使用手機程式記錄情緒，減至連續3日、每日收集兩次數據。

同時，團隊亦計劃在程式內增設虛擬治療師，為用戶提供即時回饋，料至少一年以上才能落地、開放予公眾使用。