實驗場景示意圖 受訪者供圖

抑鬱可反映在步態中 張雙虎繪

■本報記者 張雙虎

目前，全球已有超過3億(yi) 抑鬱症患者。雖然針對抑鬱症有多種治療手段（藥物治療、心理療法等），但隻有不到一半的患者接受了正規治療。這其中一個(ge) 重要原因是抑鬱症診斷困難。

在抑鬱症初篩過程中，一方麵專(zhuan) 科醫生數量嚴(yan) 重不足，另一方麵初級保健醫生難以準確識別輕度抑鬱症患者，甚至可能造成誤診。因此，研究快速有效識別抑鬱症的方法具有現實意義(yi) 。

近日，中國科學院心理研究所行為(wei) 科學重點實驗室研究員朱廷劭課題組，通過步態行為(wei) 數據分析發現，抑鬱可以反映在步態中，不同類型的步態特征對抑鬱識別的貢獻不同，基於(yu) 機器學習(xi) 技術能有效實現抑鬱的自動化識別。相關(guan) 研究成果在線發表於(yu) 《精神病學前沿》。

確診難題

隨著經濟和社會(hui) 的快速發展，人們(men) 的生活節奏加快、工作壓力明顯加大，我國心理行為(wei) 問題和精神障礙人群也不斷增加。數據顯示，中國抑鬱症的終生患病率為(wei) 6.9％，目前有9500萬(wan) 人患抑鬱症，且學生群體(ti) 抑鬱症患病比例有所上升。

去年9月，衛健委發布《探索抑鬱症防治特色服務工作方案》，要求各個(ge) 高中及高等院校將抑鬱症篩查納入學生健康體(ti) 檢，對測評結果異常的學生應給予重點關(guan) 注。同時加大對孕產(chan) 期、老年人等重點人群的抑鬱症幹預力度。

將抑鬱症篩查納入健康體(ti) 檢就要加大篩查力度，評估心理健康狀況，以便更及時、更早地發現容易引發抑鬱症的群體(ti) ，並及早地幹預治療。但問題是，在抑鬱症初期，很多人可能根本意識不到，更談不上幹預治療。

“抑鬱症臨(lin) 床診斷上有一套嚴(yan) 格的標準。”中華醫學會(hui) 精神醫學分會(hui) 主任委員、中南大學湘雅二醫院主任醫師李淩江告訴《中國科學報》，“我們(men) 主要采用世衛組織製定的抑鬱症診斷標準（ICD係統）和美國《精神障礙診斷與(yu) 統計手冊(ce) 》的標準。抑鬱症確診需要專(zhuan) 科醫生根據相關(guan) 標準，再結合麵診對患者狀態、行為(wei) 作出綜合判斷。目前還沒有用於(yu) 精神疾病診斷的生物學指標。”

雲(yun) 南省精神病醫院主治醫師佟靚同樣表示，“抑鬱症不能隻是通過儀(yi) 器診斷，還需要結合症狀學等進行判斷，再合並一些相關(guan) 的量表等進行檢查。”

但目前我國精神科醫師不到4萬(wan) 人。這就造成抑鬱症診斷和治療的一個(ge) 困境：一邊是發病人數眾(zhong) 多，一邊是專(zhuan) 業(ye) 醫師嚴(yan) 重缺乏。

“抑鬱症確診主要靠醫生的診斷，但專(zhuan) 科醫生數量不足。”朱廷劭對《中國科學報》說，“再加上進行初級篩查的保健醫生水平不一，難免出現一些漏診、誤診。我們(men) 希望利用一些生態化的行為(wei) （比如步態、姿勢、言語）分析，對抑鬱症進行識別，在醫生常規診斷之外提供—些輔助信息，幫助醫生進行診斷。”

有效的模型

“已有研究表明，個(ge) 體(ti) 姿態控製所涉及的大腦神經網絡與(yu) 抑鬱症密切相關(guan) 。”朱廷劭說，“姿態症狀已被證明是抑鬱症的基本表現。與(yu) 健康個(ge) 體(ti) 相比，抑鬱患者在行走過程中的頭部垂直運動減少、肢體(ti) 動作幅度更小、步態速度更低。”

設計實驗時，研究人員意外發現微軟Kinect智能體(ti) 感設備能以30 Hz采樣率，捕獲人體(ti) 25個(ge) 軀體(ti) 關(guan) 節的三維坐標變化。而且，Kinect智能體(ti) 感設備具有無侵擾、低成本、易於(yu) 使用的優(you) 點，可以方便地采集被試者的步態行為(wei) 數據並識別抑鬱狀態，“其在動作捕捉和動作監測上的有效性已經被驗證”。

該研究共招募126名抑鬱症患者和121名健康者。病例組為(wei) 某市屬精神衛生醫療機構的抑鬱症患者，其診斷結果是由精神科醫生根據《精神障礙診斷與(yu) 統計手冊(ce) 》完成的。對照組是從(cong) 社會(hui) 招募的健康人群。所有被試者在6米長、1米寬的人行道上自然地來回行走兩(liang) 分鍾，由放置在一端的Kinect智能體(ti) 感設備記錄下步態數據。

研究者對收集數據進行預處理，首先對數據進行切分，截取每個(ge) 被試正麵朝向Kinect智能體(ti) 感設備行走過程中2個(ge) 步態循環的數據，目的是為(wei) 了消除大量重複數據導致的計算效率低和數據冗餘(yu) 問題；然後利用低通濾波器分別對25個(ge) 軀體(ti) 關(guan) 節的數據進行去噪處理。數據預處理完成後，研究者提取了10個(ge) 運動學特征、300個(ge) 時域特征和825個(ge) 頻域特征，最後使用邏輯回歸分析探究不同類別步態特征對抑鬱識別的貢獻，並利用機器學習(xi) 技術訓練抑鬱識別模型。

多元邏輯回歸分析結果顯示，運動學、時域和頻域特征可以解釋因變量（抑鬱）的變異性分別為(wei) 12.55%、58.36%和60.71%。同時，利用機器學習(xi) 技術構建的基於(yu) 步態特征的抑鬱識別模型是有效的。

提升篩查效率

研究者認為(wei) ，與(yu) 傳(chuan) 統心理測量方法相比，這種基於(yu) 步態數據的抑鬱識別方法具有無侵擾、可回溯、自動化等特點，因此將該方法與(yu) 傳(chuan) 統測量方法相結合能夠有效地提升心理測量的應用範圍與(yu) 測量效率。

“這種客觀數據對用戶來講更方便一些。”朱廷劭說，“因為(wei) 不需要龐大的設備，也沒有複雜的操作，隻要走幾步路就能夠得出結果。”

朱廷劭認為(wei) ，從(cong) 原理上來說，在大規模篩查時，比如，在醫院劃出一定空間，裝一個(ge) 3D攝像頭（有三維識別功能），參與(yu) 篩查者從(cong) 一小段路上走一兩(liang) 分鍾，就可以通過步態來識別是否有抑鬱症傾(qing) 向。這種方法還可以用於(yu) 學校、工廠、養(yang) 老院甚至家庭內(nei) 部成員的抑鬱傾(qing) 向篩查預警。

“從(cong) 實驗結果看，它可以達到中等以上相關(guan) 。也就是說，它的篩查結果有一定的參考價(jia) 值。”朱廷劭說，“這種走路姿勢、身體(ti) 姿態識別的優(you) 勢能夠發現早期抑鬱症。而抑鬱症越早發現越利於(yu) 治療康複。”

據悉，該輔助診斷係統的硬件設備隻有一個(ge) 帶深度信息的攝像頭。這種攝像頭市麵上很容易買(mai) 到，價(jia) 格也不貴。同時配合分析程序，分析程序可以從(cong) 電腦上直觀地讀取結果，也可以做成手機App。

“目前部分品牌的手機也帶有3D攝像頭，隻要手機運算能力足夠，完全可以在家用手機進行自查。”朱廷劭同時強調，“這種方式作為(wei) 輔助診斷，可以方便、高效地初篩或自我檢查，但不能代替醫生診斷。一旦發現有抑鬱症可能，必須去找專(zhuan) 科醫生就診。”

相關(guan) 論文信息：https://doi.org/10.3389/fpsyt.2021.661213