圖片來源@視覺中國

文｜根新未來，作者｜陳根

資料就是今天的黃金。我們的生活也因為數字化發生顯著的變化，這些資料不僅被收集和彙總，而且還透過演算法手段進行分析。

在過去的20年裡，圍繞資料儲存、傳輸和分析的技術突破使得

醫學

也出現了一些重大變化。

精準醫學（PM）和數字表型（DP）是醫學界最為典型的兩種資料驅動的醫療方法。

其中，

數字表型試圖透過從智慧手機和可穿戴裝置等日常使用的數字裝置中收集連續的“現實生活資料”來徹底變革精神健康

。有了這些額外的資料，精神健康診斷方面的知識鴻溝就可以彌合。

精神健康的變革

簡單來講，數字表型就是將個人的特徵數字化，併產生許多不同的相關指標。而其中大多數的特徵資料都可以透過智慧手機在患者的真實世界中被動獲得。透過增加感測器連線，我們還可以連續地、不加干擾地收集更多生理資料。

精神健康的變革

這意味著，

數字表型

能從每個人身上獲取大量人工智慧可處理的資料，

。正如美國國家心理健康研究所前負責人托馬斯·英塞爾所說：“誰能預見到這場由自然語言處理和人工智慧帶來的革命，透過智慧手機收集聲音和語音，就能為嚴重精神疾病做早期預警？”

要知道，一直以來，由於血液檢測查不出抑鬱症，腦部掃描也沒法提前檢查出焦慮症，活組織檢查更不可能診斷出自殺的念頭，所以，就算心理醫師判斷患者具有精神問題，也沒有簡單的方法來進行檢測。

而這對於精神健康的影響將是革命性的

生物標誌物時代到來之前，

心理醫師們只能

當患者達到9項標準中的5項時，包括情緒低落、睡眠或體力活動的變化、無價值感、愉悅感降低（快感缺乏），則被診斷為抑鬱症。目前，這種診斷方式存在許多難以量化或客觀評估的因素。

依據《精神障礙診斷與統計手冊》來診斷疾病。

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。1908年，瑞士精神病學家歐根·布盧勒宣佈了他和同事們正在研究的一種疾病的名稱：精神分裂症。

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。

布盧勒是最早關注精神分裂症“陰性”症狀的學者之一，也就是健康的人身上不會出現的症狀。布盧勒發現，最常見的負面症狀之一是口吃或語言障礙。患者會盡量少說，經常使用模糊的、重複的、刻板的短語。

他注意到這種疾病的症狀是如何“在語言中表現出來的”，但是他補充說，“這種異常不在於語言本身，而在於它表達的東西。”

有些研究專案表明，患有精神病的高風險人群一般很少使用“我的”、“他的”或“我們的”等所有格代詞。

這就是精神病學家所說的低語義密度。低語義密度是患者可能患有精神病風險的一個警示訊號。

正是這一特徵，給了數字表型機會。移動網際網路時代下，

無處不在的智慧手機和社交媒體讓人們的語言從未像現在這樣容易被記錄、數字化和

分析

—利用這些資料來開發精確和時間動態的疾病表型和標誌物，以診斷、監測和治療疾病，就是數字表型。而透過移動裝置所獲得的大量與健康相關的資料的價值還可能遠超過如體檢、實驗室檢查和影像學檢查等一些傳統定義疾病表型的方法，對疾病的診斷和評估具有更高的價值。

—

相較於傳統的精神疾病的診斷和治療，數字表型展現出了獨特的優勢。

數字表型的獨特優勢

2017年，安德魯·里斯（Andrew Reece）和克里斯托弗·丹福思（Christopher Danforth）就使用深度學習，分析了從166個Instagram賬號中獲取的43 950張照片（已獲得本人同意），其中71人有抑鬱症史。

研究人員們分析了所有的照片特徵來洞察心理：照片中是否有人物、場所在室內還是室外、晚上還是白天、顏色和亮度（按畫素）、照片的評論和點贊數，以及使用者的釋出頻率。

數字表型的獨特優勢

。

值得注意的是，Instagram的不同濾鏡功能也能區分抑鬱症患者和正常人，且比想象的要好（見圖8-2）。該計算機程式檢測抑鬱症的準確性為70%，比先前發表的抑鬱症診斷誤診率超過50%的全科醫生更具優勢。

一方面，數字表型能夠透過人們的數字軌跡對精神疾病進行判斷。

Instagram的照片能區分心理抑鬱和健康的人，可作為臨床診斷之前的抑鬱症初診，它與個人的心理健康自評無關

。當前，隨著網路和數字技術的逐漸普及，智慧手機還有可穿戴裝置等輔助工具的大量使用。數字表型對於人群的整體及個體化的情緒或行為，尤其是在自然情形下的一個實際表現，已經能夠做到實時地檢測、追蹤，甚至在干預的層面上也變得比較可行。

比如，雙相情感障礙作為一種情緒障礙疾病，它表現某一段時間之內非常的興奮、躁狂；在另外一段時間又情緒極度低落以及消極，甚至出現自殺的傾向甚至行為。

另一方面，數字表型能夠

利用網路或數字技術進行情緒或行為的實時地檢測、追蹤和干預

而如果能夠

透過跟蹤雙相障礙患者的智慧手機的語音的情況，

。

此外，數字表型的指標還可用於解決一系列問題。南加州大學的研究人員開發了一款能預測婚姻不和諧的軟體，提供74種聲學特徵，包括語音質量、微光、音調、音量、抖動、韻律等，該軟體的預測結果甚至比專家還好。隨後該研究團隊將由專家人工編碼的訪談和軟體獲取的聲學資料做了對比，

就

在一項針對平均年齡為22歲的年輕人的小型研究中，研究人員對34位參與者的多種語音特徵，包括片語長度、模糊程度、混淆程度、單詞選擇等進行一致性分析，用於預測有精神分裂症風險的患者是否會發展成精神病。

可以做到分析、預測患者將來七天之內的情緒的分數變化

。而

結果顯示，基於語音的機器學習演算法不僅比專家捕獲的相關資訊多，而且其預測結果也更準確。

結果，機器的分析結果優於專家的臨床評分體系

Mindstrong公司已從這種行為中分解出45種模式，包括滑動、字元型別間的滾動和延遲時間等。他們的資料與最初研究中的認知功能和情緒的金標準測量值呈正相關。伊利諾伊大學的計算機科學家透過深度學習和裝有加速計的自定義鍵盤，進一步證實了這一觀點。他們使用自建的DeepMood演算法，在一項試點研究中準確地預測了抑鬱症的發生。這項研究為透過個人的鍵盤活動追蹤消極情緒的觀點提供了一些獨立證據。

此外，

目前，雖然人們正在利用這些新方式探索診斷和治療一系列精神疾病和情緒問題的方法，但數字表型的應用依舊面臨挑戰。

人們使用智慧手機鍵盤的方式，也可以成為一種有用的標記。

還需要考慮什麼問題？

。

理論上，隱私法應該阻止精神健康資料的傳播。美國已經實施了24年的HIPAA法規規範了醫療資料的共享，而歐洲的資料保護法案GDPR理論上也應該阻止這種行為。但監控機構“國際隱私組織（Privacy International）”2019年的一份報告發現，在法國、德國和英國，有關抑鬱症的熱門網站將使用者資料洩露給了廣告商、資料經紀人和大型科技公司，而一些提供抑鬱症測試的網站也將答案和測試結果洩露給了第三方。

還需要考慮什麼問題？

首先，

。如果日常生活的細節是我們精神健康留下的線索，那麼人們的“數字化日常”就可以像機密醫療記錄中的資訊一樣，告訴別人其精神狀態。比如，我們選擇使用的詞彙，我們對簡訊和電話的反應有多快，我們刷帖子的頻率有多高，我們點讚了哪些帖子。我們幾乎不可能在這些資訊中隱藏自己。

斯坦福大學的倫理學家尼科爾·馬丁內斯·馬丁說：“這項技術已經把我們推到了保護某些型別資訊的傳統模式之外。

把醫療資訊上傳到應用程式，對患者和臨床工作者都有潛在風險。其中的一個問題是，這些醫療資訊會被第三方獲得

。”

其次，

一些倫理學家擔心，數字表型模糊了什麼可以作為醫療資料分類、管理和保護的界限

當所有資料都可能是健康資料時，那麼健康資訊例外論是否還有意義等相關問題就會大量湧現

最後，

透過智慧手機

資料所帶來的決策改善及效率的提高是否對降低發病率、複發率及死亡率有所幫助目前仍無法明確。很少有醫學領域可以單獨透過監測來提供更好的臨床結果。

比如，睡眠質量是反映一系列心理健康問題的重要指標，通常透過腕帶或手錶來監測，但腕帶或手錶只能感知穿戴者在睡眠期間的身體活動。要真正瞭解患者的睡眠狀態，需要將感測器與腦電波建立相關性，而這目前尚未實現。

另外，生物標誌物也可能過於簡單。正如紐約大學的教授農西奧·波馬拉（Nunzio Pomara）所說：“抑鬱症太複雜了，不能簡單地將其歸結為單一的生物標誌物。”實際上，有太多與精神健康相關的生物標誌物，而人們不知道哪一個或其中有多少個對於確診或監測治療反應至關重要。

當然，不可否認，數字表型代表了在心理學和醫學的許多領域實施心理診斷的新的有力工具。基於社交媒體、智慧手機或其他物聯網來源的數字足跡的人工智慧分析可用於精神疾病的診斷與精準治療，這也是人工智慧相較於傳統精神疾病診斷的無可比擬的優勢和潛力所在。