【醫療創科】聊天機械人更勝精神科醫生？人工智能助判斷抑鬱症
#上班族 #減壓 #都市病 #心理情緒 #抑鬱症 #情緒病 #人工智能 #健康透視
是情緒低落還是抑鬱，旁人很難看得出來，而事實上，這工作對專業的醫護人員來說也是毫不容易。世界衛生組織的資料顯示，全球抑鬱症患者超過三億人，但超過 6 成的患者未能獲得有效的治療。也許是醫護人員未有作準確的臨床診斷，但更多時候是因為社會風氣令潛在患者意識不到病徵，又或是不願接受治療，情況在華人社會尤其明顯。
李飛飛 （source：youtube）
美國史丹福大學早前一份研究論文上，提出了以人工智能協助診斷抑鬱症，研究中的測試準確度達 83.3%。論文上還有人工智能權威，前 Google Cloud 首席科學家李飛飛的名字，也令人工智能協助診斷的構想更具份量。
現時對抑鬱症的診斷，是由醫生按 ICD-10 或 DSM-5 的標準進行。簡單來說，就是觀察病人有否出現抑鬱症的九個主要症狀（1.一整天大部分時間都不快樂、2.興趣減少、3.體重或食慾下降、4.失眠，或嗜睡、5.思考動作變得緩慢、6.整天沒有活力、7.覺得生存已沒意義、8.無法專注、9.有自殺念頭）中的其中五個，視乎情況有否持續兩周以上至影響日常生活，再由醫生以面對面觀察病人的微細表現，如語調、音量、手勢、眼神等，配合問卷（PHQ, Patient Health Questionnaire）來作判斷。
Read More：【測試你是否患上抑鬱症】到底甚麼是抑鬱？解構9大抑鬱症徵狀
以面部視像、音頻、文字來分析
涉及的環節多，需要的時間長，間接令潛在的病人不願接受治療，而病人面對醫生時的表現，亦會對診斷造成影響。李飛飛團隊的研究，就提出以語言分析和 3D 面部掃瞄去量度抑鬱症狀的嚴重程度。
只需要 3D 面部掃瞄影片、病人說話的音頻，而及轉成文字的訪談錄音三種數據，輸入設計好的訓練模型，就可演算出病人的抑鬱症症狀有多嚴重。模型用上來自 142 名病人的 PHQ 評分和 189 次臨床訪談，合共 50 小時的數據生成，並嘗試就面部視像、音頻、文字作獨立及混合式演算去比較診斷結果，分析的準確度主要來自文字的語理分析，有近 80％ 的準確度，而視像、音頻則主要用作縮窄判斷時的誤差。
Read More：【職場心理學】4個就有1個中招！身邊有疑似患上抑鬱症的同事怎麼辦？
聊天機械人釋放病人情感
論文結論中提到一點發人深省﹐原來今次研究的資料收集，不涉及任何面對面的診斷和訪談，就是臨床訪談也是由聊天機械人代行的，研究認為這減低病人對診斷的恐懼，更願意展現真實的情感，而令人工智能診斷有更高的準確度。這意味我們可以更倚仗人工智能去協助診斷嗎？
研究團隊就認為人工智能診斷只屬輔助手段，測試的標準也跟正式的診斷有差別，人工智能協助診斷的成本但，而且有望透過手機完成診斷，可覆蓋的病人層面更廣，總的來說，是令人鼓舞的。