迈向开发以青少年为中心的机器学习方法以检测抑郁:通过访谈拉丁裔青少年识别社交媒体数据中情绪性与躯体性症状的信号

《PLOS Digital Health》:Toward developing adolescent-centered machine learning methods to detect depression: Interviews with Latino adolescents to identify signals of emotional and somatic symptoms within social media data

【字体: 大 中 小 】 时间:2026年01月19日 来源:PLOS Digital Health 7.7

编辑推荐:

  尽管利用机器学习(ML)方法在社交媒体数据中检测抑郁的应用不断增加,但真正与青少年共同开发、并服务于青少年的方法仍然很少。这一点令人遗憾,因为与成年人相比,青少年更可能经历躯体性而非情绪性症状,并且更不倾向于在社交媒体上表达情绪。因此,聚焦情绪症状的ML方法可

  
尽管利用机器学习(ML)方法在社交媒体数据中检测抑郁的应用不断增加,但真正与青少年共同开发、并服务于青少年的方法仍然很少。这一点令人遗憾,因为与成年人相比,青少年更可能经历躯体性而非情绪性症状,并且更不倾向于在社交媒体上表达情绪。因此,聚焦情绪症状的ML方法可能会低估存在抑郁风险的青少年人数。作为迈向开发以青少年为中心的ML方法的一步,研究人员与拉丁裔青少年共同制定了访谈提纲,以理解:1)在社交媒体上表达躯体性和情绪性症状的规范;2)识别各类症状的潜在信号。对于后者,研究采用了一种新颖方法,即邀请受访者承担“人工分类器”(human classifier)的角色,说明他们会在社交媒体数据中寻找哪些线索。通过对43名拉丁裔青少年访谈进行框架分析(framework analysis),研究发现,有证据表明,相较于躯体性症状,社会规范更强烈地限制在社交媒体上传达情绪性症状。此外,青少年似乎并不通过直接陈述自己正在经历抑郁来传递相关信息,而是使用视听线索来 ?????情绪性症状,并通过发帖行为(如发帖时间、较少发帖)来 ?????躯体性症状。因此,相关规范可能阻碍利用社交媒体数据检测青少年抑郁的机会,尤其是在采用搜索抑郁字面表述或情绪性症状信号的ML方法时。鉴于同伴往往比医学专家更早识别出青少年的抑郁,这些发现提示有必要开发并验证纳入一组躯体性症状信号的ML方法,尤其是视听线索和发帖行为。研究还讨论了“在边缘处居中”(centering at the margins)的益处,即聚焦于该领域中研究不足的人群,以及在开发ML方法时纳入青少年意见的必要性。
这篇发表于《PLOS Digital Health》的研究聚焦于青少年抑郁识别中一个长期被忽视但极具现实意义的问题:现有基于社交媒体数据的机器学习(ML)抑郁检测方法大多按照成人样本、成人表达方式和成人平台使用习惯建立,因此难以准确识别青少年,尤其是少数族裔青少年的抑郁风险。研究背景在于,近年来全球12—19岁青少年的抑郁发生率持续上升,而在美国,约五分之一青少年曾经历抑郁症状。来自少数族裔—种族群体的青少年还面临额外的心理健康服务障碍,包括临床偏见、成人支持不足以及经济资源匮乏。这意味着许多心理问题往往在危机出现之前并未被及时识别。与此同时,人工智能尤其是ML方法在社交媒体中自动识别抑郁的研究迅速增长,但既有方法多依赖“我抑郁了”之类的文字表述、成人常见的情绪症状,或以成年人更常使用的平台为基础,难以适配青少年群体。论文据此提出一个关键问题:如果青少年较少直接在社交媒体上表达情绪,而更多表现为躯体化(somatization,即以疲惫、睡眠障碍等身体感受承载心理痛苦),那么现有模型是否系统性漏检了青少年中的高风险者?正是基于这一问题,研究人员开展了以青少年为中心的探索性研究。

研究的核心目标有二:其一,考察拉丁裔青少年在社交媒体上传达与抑郁一致的情绪性症状和躯体性症状时受到何种社会规范制约;其二,识别他们在判断同伴可能出现这两类症状时会依赖哪些社交媒体信号。研究之所以选择拉丁裔青少年,一方面是出于社会公正考量,即技术与心理健康交叉研究中该群体代表性不足;另一方面也是出于分析策略,因为既有研究指出,拉丁裔青少年的躯体化表现尤为明显。研究结论表明,社交媒体规范对情绪性症状表达的限制强于对躯体性症状表达的限制;青少年更可能通过视听线索传递情绪困扰,通过发帖时间、发帖频率降低等行为信号传递躯体性症状,而非直接发布“我抑郁了”等字面陈述。这一发现的重要意义在于,它为青少年抑郁自动识别的特征工程(feature engineering)提供了更贴近实际表达方式的方向,也提示单纯依赖显性文本和情绪词汇的模型可能存在年龄偏置与文化偏置。

研究人员主要采用了社区合作与定性研究相结合的方法。研究在美国威斯康星州密尔沃基(Milwaukee, WI)一所服务拉丁裔社区、且成员主要为墨西哥裔的非营利组织中开展,招募对象为13—17岁、每周至少使用一次社交媒体的拉丁裔青少年。正式访谈前,研究团队先组织15名拉丁裔青少年开展焦点小组(focus group),据此共同修订访谈提纲,并结合临床心理学专家意见形成问题设计。随后,研究人员对43名青少年进行半结构式面对面访谈,并运用框架分析(framework analysis)、开放编码(open coding)与持续比较法(constant comparison method)整理结果,分析工具为MAXQDA 2024。

在研究结果部分,论文首先讨论“4.1 Acceptability of posting emotional signals”。
“4.1.1 Self, acceptable to post”显示,大多数受访者并不赞同自己在社交媒体上发布情绪性信号,但少数认为可以发布者多为不同年龄段的男孩。即便如此,这种“可以发布”也有严格前提,主要是出于真诚寻求同伴支持,或在限定范围内通过私密动态(private story)进行分享。研究据此表明,情绪性症状的线上表达并非完全被拒绝,而是受到真实性、私密性与支持需求的共同调节。
“4.1.2 Self, not acceptable to post”进一步指出,最常见的答案是否定的,且跨越性别与年龄。受访者普遍认为情绪性内容过于私人,容易引发尴尬、被轻视、被嘲笑,甚至被视为“博取关注”。部分女孩更倾向于向母亲、治疗师或亲密家人当面倾诉,而非公开发帖。还有人担心这样的内容会让朋友担忧,或在未来反过来加重自身负面感受。由此可见,社交媒体上的情绪表达受到隐私边界、污名和人际后果的强烈抑制。
“4.1.3 Friend, acceptable to post”表明,相较于自己发帖,受访者更能接受朋友发布情绪性信号。其主要条件仍是求助,尤其在家庭丧失、自伤或自杀意念等危机场景中,发帖被视为寻求帮助的信号。研究由此得出,同伴视角下的规范比自我视角更宽松。
“4.1.4 Friend, not acceptable to post”则显示,受访者仍担忧朋友发布此类内容会遭遇冷漠、嘲笑或被质疑真实性。有些青少年指出,如果线上表达与线下表现不一致,观察者会怀疑其只是为获取同情。还有人担心涉及自伤内容的帖子会对年幼用户产生不良示范。说明即便对朋友更包容,情绪性信号的公开表达仍深受真实性判断与社会风险影响。

随后,论文分析“4.2 Acceptability of Posting Somatic Signals”。
“4.2.1 Self, acceptable to post”发现,虽然多数人仍有迟疑,但部分13—14岁的女孩更认为发布躯体性信号是可接受的,尤其当其目的在于寻求陪伴、分散注意力或获得回应时。部分受访者认为,疲惫、失眠、精力被抽空等体验更容易被同伴理解和共鸣,因此比直接表达悲伤更容易获得互动。该结果说明,躯体性症状可能构成青少年在线求助的相对可行通道。
“4.2.2 Self, not acceptable to post”指出,认为不适合发布躯体性信号的受访者仍占多数,理由包括不想让朋友担心,以及认为此类内容同样属于私人事务。不过,与情绪性信号不同,研究并未明显观察到他们担心遭到敌意回应或公开羞辱。
“4.2.3 Friend, acceptable to post”显示,受访者对朋友发布躯体性信号也比对自己发帖更为宽容,尤其当此类信号涉及危机、需要帮助,或是在提示周围人减少打扰时。值得注意的是,有受访者将被伤害、被霸凌等情形也纳入适合发帖的范围,说明躯体性信号常被理解为危机状态的外显线索。
“4.2.4 Friend, not acceptable to post”则呈现出与情绪性信号不同的模式。受访者并非主要担心污名或嘲讽,而是认为在严重情境下,社交媒体不是最佳求助方式,更合适的做法是联系父母、兄弟姐妹或寻求医疗帮助。与此同时,他们也会因为无法判断帖子严重程度而感到困惑,不确定是否需要立即干预。这说明躯体性帖子引发的是“如何帮助”的不确定性,而非单纯的真实性怀疑。

在“4.3 Signals used by latino adolescents to classify depressive symptoms”中,研究系统总结了拉丁裔青少年用于识别同伴抑郁相关症状的信号类型,包括元数据(metadata)、字面陈述(literal statements)、文本变化(changes in text)和视听资产(audiovisual assets)。结果显示,躯体性症状对应的元数据信号更多,例如发帖时间异常、发帖减少等;情绪性症状对应的视听信号更多,例如歌曲、照片、视频、表情符号、引用语、Bitmoji以及帖文色调等。两类症状在字面陈述层面存在一定相似性,但“直接说自己抑郁”主要出现在情绪性症状中。研究据此提出,青少年识别同伴抑郁并不依赖单一文本内容,而是综合多个模态的信息源,尤其是在情绪性症状上,视听表达可能比文字更关键;在躯体性症状上,发帖行为模式可能比直接情绪诉说更有指示意义。

讨论部分强调,本研究通过纳入拉丁裔青少年自身经验,弥补了既往抑郁检测模型开发中缺乏青少年视角的缺陷。研究发现,情绪性症状的线上表达受规范限制更强,且存在年龄和性别差异;相较而言,躯体性症状更可能被认为可分享、可共鸣,尤其在年纪较小的女孩中更为明显。研究还指出,规范并不一定完全阻止症状表达,而是改变表达形式:青少年可能避免直接文本陈述,转而使用音乐、图像、自拍视频或发帖频率变化等方式传递痛苦。这意味着面向青少年的ML模型若仅分析文本、尤其是只寻找抑郁字面表述,将难以有效识别风险。论文同时指出研究局限,包括未直接观察受访者真实社交媒体内容、样本来自美国中西部单一城市、主要为偏好英文访谈的墨西哥裔拉丁裔青少年、访谈者均为女性,以及访谈中情绪性问题先于躯体性问题提出可能带来的启动效应。尽管如此,研究仍为青少年心理健康信息学(mental health informatics)干预设计迈出了关键一步。

研究结论部分可概括为:为提升基于社交媒体数据的青少年抑郁检测效果,ML方法应从以成年人为中心的框架转向以青少年为中心的框架,并将躯体性症状信号纳入核心特征集合。研究支持开发和验证能够整合视听线索、发帖行为及其他多模态信号的模型,特别是在拉丁裔青少年等研究不足群体中,这种“在边缘处居中”的策略有助于提高识别的公平性、敏感性与现实适用性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号