中大醫學院研發的手機程式有效評估抑鬱症
中大醫學院研發了採用「多模態數據—人工智能分析」的手機應用程式，即透過人工智能分析使用者的「多模態數據」，包括面部表情、聲音及文字等生物指標，以及由腕動計收集到的作息習慣資料作診斷，透過研究證實能有效評估抑鬱症。（左起）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教授、博士後研究員陳捷博士及助理教授李汶浩博士。
全球約3億人正受抑鬱症困擾，此症更成為全球醫療負擔的主因之一。根據香港精神健康調查2015年數據，本港每100名港人就有8.3人患有抑鬱症。目前臨床評估是診斷抑鬱症的黃金標準，但精神健康服務在香港及全球多個地區供不應求。香港中文大學（中大）醫學院研發了採用「多模態數據—人工智能分析」的手機應用程式，即透過人工智能分析使用者的「多模態數據」，包括面部表情、聲音及文字等生物指標，以及由腕動計收集到的作息習慣資料作診斷。研究證實此技術能有效評估抑鬱症，結果已於國際期刊Translational Psychiatry發表。
本港七成精神障礙患者未有尋求精神健康服務
2015年香港精神健康調查指出，本港常見精神障礙患者（包括抑鬱症及焦慮症患者）中七成人未有尋求精神健康服務，原因包括缺乏意識、害怕被歧視或尋求服務時遇到困難。為了讓患者更願意尋求協助，醫學界近年興起利用無需面診的電子平台協助診斷。
榮潤國教授表示，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，可以透過客觀的科學方式作評估。
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教授表示：「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。」
眉頭緊皺、消極語言等為抑鬱症患者的常見表徵
中大醫學院精神科學系於2021年6月至2023年3月期間進行了一項對照研究，以分析用「多模態數據」診斷華人抑鬱症患者的成效。研究共招募了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。參加者需要連續七天佩帶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。
是次研究發現抑鬱症患者主要的生物特徵如下：
- 作息測量結果顯示，他們會減少活動時間，並會出現較紊亂的作息時間，例如遲睡及遲起床。
- 多緊皺眉頭，嘴角向上的表情亦較少。
- 在交談時，他們傾向談及自己，並較常使用帶有消極情緒的言語。他們語速會變慢且停頓的時間亦有較大變化。
- 抑鬱症患者及康復者的快樂指數平均都較對照組低。
（左圖）榮教授解說，抑鬱症患者在情緒低落時會眉頭緊皺，前額與眉頭間會皺縮起來形成像Ω符號般的臉部表情，稱為「Omega sign」，是一種憂鬱情緒的面部特徵。（右圖）陳捷博士模擬抑鬱症患者眉頭緊皺的表情。
榮潤國教授解釋：「在抑鬱症患者面部表情方面，我們的研究結果與以往文獻的分析一致：抑鬱症患者在情緒低落時會眉頭緊皺，前額與眉頭間會皺縮起來形成像Ω符號般的臉部表情，稱為『Omega sign』，這是一種憂鬱情緒的面部特徵。此外，我們的結果與高加索人種（亦稱白人）抑鬱症患者的研究結果一致，華人抑鬱症患者語速會變慢，同時傾向在說話中使用第一人稱，這反映了抑鬱症患者有自我關注的傾向，我們的研究證明這是一種跨文化的普遍現象。這些生物特徵可以成為識別抑鬱症高風險人群的指標。另外，研究證明了『多模態數據—人工智能平台』輔助醫學教育及培訓的潛能。」
中大醫學院團隊研發的手機程式，透過錄影記錄使用者的表情、聲線及感覺描述，評估快樂指數。整個過程約需兩分鐘。
中大醫學院精神科學系博士後研究員陳捷博士表示：「除了檢視診斷的效用，我們透過人工智能進一步分析發現，多模態數據可以有效判斷患者是否曾經患過抑鬱症，其統計學上F1分數[1]達0.81。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，在統計學上F1分數可達0.70，優於僅使用單模態或簡單自我評估的效果。」
李汶浩博士表示，手機應用程式現階段只應用於抑鬱症患者的研究。團隊將繼續收集更多元及更大量的臨床數據，提升程式的人工智能系統，目標是普及至社區應用，作為抑鬱症評估工具。
中大醫學院精神科學系助理教授李汶浩博士表示：「我們計劃運用是次研究所得到的抑鬱症電子生物標記，建立一個專門篩查和監測華人抑鬱症患者的人工智能自動化系統。抑鬱症是十分普遍的精神健康問題，有關服務的需求殷切，而上述系統具有協助診斷和監測此病的潛力，助舒緩醫護人員的壓力。」
此項研究由醫務衞生局的醫療衞生研究基金資助。
[1]F1分數是用以計算模型準確率的統計學方法，由0至1，1為最大值，即代表最精確。
