研究人员开发了一种算法，可分析社交媒体帖子，以找出抑郁症的语言学标志物。
在任何一年中，抑郁症都会影响美国超过6%的成年人口——约1600万人——但接受所需治疗的人不足一半。
研究人员分析了同意共享数据的用户在确诊抑郁症前几个月所分享的社交媒体数据，发现其算法能够准确预测未来的抑郁症。该病症的指标包括提及敌意和孤独感、“眼泪”和“感受”等词语，以及更多地使用“我”和“我的”等第一人称代词。
相关研究结果发表于《美国国家科学院院刊》。
你的社交媒体“基因组”
“人们在社交媒体和网络上的表达，捕捉到了生活中一个在医学和研究中很难以其他方式获取的侧面。与疾病的生物物理标志物相比，这是一个相对未被开发的维度，”石溪大学计算机科学助理教授、该论文资深作者H. Andrew Schwartz表示，“例如，对于抑郁症、焦虑症和创伤后应激障碍等病症，你会发现人们以数字方式表达自己时会出现更多信号。”
六年来，研究人员一直在世界幸福项目（WWBP）中研究人们所使用的词语如何反映其内心感受和满足感。该项目设在宾夕法尼亚大学的积极心理学中心和石溪大学的人类语言分析实验室。2014年，WWBP的创始研究科学家、宾大博士后研究员Johannes Eichstaedt开始思考，社交媒体是否有可能预测心理健康状况，尤其是抑郁症。
“社交媒体数据包含类似于基因组的标志物。借助与基因组学中极为相似的方法，我们可以梳理社交媒体数据以找到这些标志物，”Eichstaedt解释道。“抑郁症似乎可以通过这种方式被相当清楚地检测出来；它确实会改变人们使用社交媒体的方式，而皮肤病或糖尿病则不会。”
写在Facebook墙上的文字
研究人员没有采用以往研究的做法——招募自我报告患有抑郁症的参与者——而是识别出同意分享Facebook状态和电子病历信息的人群的数据，然后运用机器学习技术分析这些状态，以区分那些经正式诊断患有抑郁症的人。
“这是我们来自宾大医学数字健康中心的社交媒体登记项目（Social Mediome Registry）的早期成果，该项目将社交媒体与健康记录数据相结合，”研究合著者Raina Merchant表示。“在这个项目中，所有个人均已表示同意，未从其网络收集任何数据，数据经过匿名化处理，并严格遵守最高级别的隐私和安全标准。”
随后，近1200人同意提供两份数字档案。其中，仅有114人的病历中有抑郁症诊断。研究人员随后为每位被诊断为抑郁症的人匹配了五位未患病者作为对照，最终样本总数为683人（排除了一人，因其状态更新中的文字不足）。其目的是尽可能构建一个接近现实的场景，以训练和测试研究人员的算法。
人们普遍认为，使用社交媒体对心理健康不利，但它或许最终会成为诊断、监测乃至治疗抑郁症的重要工具。
H. Andrew Schwartz
“这确实是一个非常困难的问题，”Eichstaedt表示，“如果有683人前往医院就诊，其中15%患有抑郁症，我们的算法能否预测出是哪些人？如果算法判定没有人患有抑郁症，那么其准确率将达到85%。”
为构建该算法，研究人员回溯了每位抑郁症患者以及对照组在确诊前数年内的524,292条Facebook更新。他们确定了最常用的词语和短语，然后对200个主题进行建模，以挖掘他们所称的“抑郁相关语言标志物”。最后，他们比较了抑郁症参与者与对照组参与者使用此类表达的方式和频率。
抑郁症诊断的“黄色警示”
他们发现，这些标志物包含情绪、认知和人际互动过程，如敌意和孤独感、悲伤和反复思虑，并且早在病历中首次记录该病症前三个月，就能预测未来的抑郁症。
“人们普遍认为，使用社交媒体对心理健康不利，但它或许最终会成为诊断、监测乃至治疗抑郁症的重要工具，”Schwartz表示，“在这里，我们已经证明它可以与临床记录结合使用，这是利用社交媒体改善心理健康的一步。”
Eichstaedt认为，利用这些数据作为一种非侵入式的抑郁症诊断筛查手段，具有长期潜力。“我们希望有一天，这些筛查系统能够整合到医疗服务体系中，”他说，“这一工具会发出黄色警示；最终，我们希望能够将它识别出的人直接引导至可规模化的治疗方式中。”
尽管该研究存在一些局限性，包括样本具有鲜明的城市特征，以及该领域本身的局限，例如，并非病历中的每一次抑郁症诊断都达到结构化临床访谈所提供的金标准，但这些研究结果为发现并帮助抑郁症患者提供了一种潜在的新途径。
来源：石溪大学
原始研究 DOI：10.1073/pnas.1802331115
