利用深度学习在抑郁症临床评估中捕捉欧米伽符号

《Translational Psychiatry》：Capturing omega sign in the clinical assessment of depression by deep learning

　　

摘要

“欧米伽表情”是一种忧郁的面部表现，形状类似希腊字母Ω。为了通过深度学习技术对抑郁症进行数字化评估，研究团队让重度抑郁障碍患者和对照组参与者拍摄中性表情照片，并进行视频访谈，以此分别观察静态的“欧米伽表情”（静止状态下出现的完整Ω形或垂直皱纹）和动态的“欧米伽表情”（新出现或逐渐加重的皱纹）。研究采用了深度残差学习模型来生成自动预测结果。共有252名重度抑郁障碍患者（年龄：50.9±11.1岁；66.7%为女性）以及192名在年龄和性别上与患者匹配的对照组参与者（年龄：49.6±11.7岁；62.0%为女性）参与了研究。静态“欧米伽表情”的存在与重度抑郁障碍的风险增加存在轻微关联（重度抑郁障碍患者中该比例为24.3%，对照组为16.0%；比值比=1.79，95%置信区间为0.99至3.44，P值=0.06）。尤其是同时患有重度抑郁障碍和广泛性焦虑障碍的患者，这一比例明显高于对照组（为45.5%；比值比=6.36，95%置信区间为1.71至23.63，P值=0.006）。动态“欧米伽表情”的出现频率与当前中度至重度抑郁症状的存在相关（比值比=1.04，95%置信区间为1.01至1.07，P值=0.02）。总之，重度抑郁障碍患者，尤其是同时患有广泛性焦虑障碍的患者，出现静态“欧米伽表情”的比例高于对照组；而动态“欧米伽表情”的出现频率则与中度至重度抑郁风险的增加相关。数字人工智能技术的进步为客观测量“欧米伽表情”提供了新方法，有助于抑郁症的临床诊断。