中大医学院研发的手机程式有效评估抑郁症
中大医学院研发了采用「多模态数据—人工智能分析」的手机应用程式，即透过人工智能分析使用者的「多模态数据」，包括面部表情、声音及文字等生物指标，以及由腕动计收集到的作息习惯资料作诊断，透过研究证实能有效评估抑郁症。（左起）中大医学院精神科学系系主任兼卓敏精神科学教授荣润国教授、博士后研究员陈捷博士及助理教授李汶浩博士。
全球约3亿人正受抑郁症困扰，此症更成为全球医疗负担的主因之一。根据香港精神健康调查2015年数据，本港每100名港人就有8.3人患有抑郁症。目前临床评估是诊断抑郁症的黄金标准，但精神健康服务在香港及全球多个地区供不应求。香港中文大学（中大）医学院研发了采用「多模态数据—人工智能分析」的手机应用程式，即透过人工智能分析使用者的「多模态数据」，包括面部表情、声音及文字等生物指标，以及由腕动计收集到的作息习惯资料作诊断。研究证实此技术能有效评估抑郁症，结果已於国际期刊Translational Psychiatry发表。
本港七成精神障碍患者未有寻求精神健康服务
2015年香港精神健康调查指出，本港常见精神障碍患者（包括抑郁症及焦虑症患者）中七成人未有寻求精神健康服务，原因包括缺乏意识、害怕被歧视或寻求服务时遇到困难。为了让患者更愿意寻求协助，医学界近年兴起利用无需面诊的电子平台协助诊断。
荣润国教授表示，抑郁症不仅是一种悲伤的感觉，还涉及生理、认知、情绪、语言及作息等多方面变化，可以透过客观的科学方式作评估。
中大医学院精神科学系系主任兼卓敏精神科学教授荣润国教授表示：「抑郁症不仅是一种悲伤的感觉，还涉及生理、认知、情绪、语言及作息等多方面变化。因此，除了传统的临床诊断，利用电子方式量度及分析一系列多模态数据，亦有望成为新一代的抑郁症评估和监测工具。」
眉头紧皱、消极语言等为抑郁症患者的常见表徵
中大医学院精神科学系於2021年6月至2023年3月期间进行了一项对照研究，以分析用「多模态数据」诊断华人抑郁症患者的成效。研究共招募了101位抑郁症患者（抑郁症组）及82位没有精神障碍的人士（对照组）参与。参加者需要连续七天佩带腕动计以记录他们的作息资料，并在中大研发的手机程式中评估自己的快乐指数，及录影片段记录自己的表情、声线及感觉描述。
是次研究发现抑郁症患者主要的生物特徵如下：
- 作息测量结果显示，他们会减少活动时间，并会出现较紊乱的作息时间，例如迟睡及迟起床。
- 多紧皱眉头，嘴角向上的表情亦较少。
- 在交谈时，他们倾向谈及自己，并较常使用带有消极情绪的言语。他们语速会变慢且停顿的时间亦有较大变化。
- 抑郁症患者及康复者的快乐指数平均都较对照组低。
（左图）荣教授解说，抑郁症患者在情绪低落时会眉头紧皱，前额与眉头间会皱缩起来形成像Ω符号般的脸部表情，称为「Omega sign」，是一种忧郁情绪的面部特徵。（右图）陈捷博士模拟抑郁症患者眉头紧皱的表情。
荣润国教授解释：「在抑郁症患者面部表情方面，我们的研究结果与以往文献的分析一致：抑郁症患者在情绪低落时会眉头紧皱，前额与眉头间会皱缩起来形成像Ω符号般的脸部表情，称为『Omega sign』，这是一种忧郁情绪的面部特徵。此外，我们的结果与高加索人种（亦称白人）抑郁症患者的研究结果一致，华人抑郁症患者语速会变慢，同时倾向在说话中使用第一人称，这反映了抑郁症患者有自我关注的倾向，我们的研究证明这是一种跨文化的普遍现象。这些生物特徵可以成为识别抑郁症高风险人群的指标。另外，研究证明了『多模态数据—人工智能平台』辅助医学教育及培训的潜能。」
中大医学院团队研发的手机程式，透过录影记录使用者的表情、声线及感觉描述，评估快乐指数。整个过程约需两分钟。
中大医学院精神科学系博士后研究员陈捷博士表示：「除了检视诊断的效用，我们透过人工智能进一步分析发现，多模态数据可以有效判断患者是否曾经患过抑郁症，其统计学上F1分数[1]达0.81。此外，多模态数据配合自我评估量表亦可以评估患者的临床状态，在统计学上F1分数可达0.70，优於仅使用单模态或简单自我评估的效果。」
李汶浩博士表示，手机应用程式现阶段只应用於抑郁症患者的研究。团队将继续收集更多元及更大量的临床数据，提升程式的人工智能系统，目标是普及至社区应用，作为抑郁症评估工具。
中大医学院精神科学系助理教授李汶浩博士表示：「我们计划运用是次研究所得到的抑郁症电子生物标记，建立一个专门筛查和监测华人抑郁症患者的人工智能自动化系统。抑郁症是十分普遍的精神健康问题，有关服务的需求殷切，而上述系统具有协助诊断和监测此病的潜力，助舒缓医护人员的压力。」
此项研究由医务衞生局的医疗衞生研究基金资助。
[1]F1分数是用以计算模型准确率的统计学方法，由0至1，1为最大值，即代表最精确。
