《PLOS Digital Health》：Identification of suicidal ideation in major depressive disorder: A machine learning approach with multimodal digital features
编辑推荐：
摘要：当前的抑郁患者自杀意念（SI）检测模型主要依赖于临床和生物学特征。本研究旨在通过使用多模态数字特征增强这些模型在现实世界中的适用性。患者自行完成医院焦虑与抑郁量表（HADS）和20项多伦多述情障碍量表（TAS-20）。研究人员使用自主研发的智能手机应用程
摘要：当前的抑郁患者自杀意念（SI）检测模型主要依赖于临床和生物学特征。本研究旨在通过使用多模态数字特征增强这些模型在现实世界中的适用性。患者自行完成医院焦虑与抑郁量表（HADS）和20项多伦多述情障碍量表（TAS-20）。研究人员使用自主研发的智能手机应用程序通过生态瞬时评估（EMA）在7天内获取患者的多模态特征（面部、声学和语言特征）。采用汉密尔顿抑郁量表结构化访谈指南（HDRS）对临床评定的自杀意念进行识别。从EMA获得的心境描述录音分别通过自然语言处理、OpenFace和OpenSMILE进行处理，以获取语言、面部和声学特征。随后，多模态特征和问卷数据被用于训练和测试机器学习算法。该研究按照TRIPOD+AI指南进行实施和报告。在招募的99例重度抑郁障碍（MDD）患者中，38例（平均年龄49.3±9.7岁，76%为女性）存在自杀意念，61例（平均年龄51.5±11.5岁，76%为女性）无自杀意念。在评估的10种机器学习模型中，CatBoost分类器展现出最强的检测性能，曲线下面积（AUC）为0.79（p<.001），准确率为0.79，F1分数为0.73。K近邻（KNN）、人工神经网络（ANN）和朴素贝叶斯模型也提供了可比较的结果。多模态特征与MDD患者的自杀意念相关。机器学习算法在使用多模态数字特征（包括面部表情、声音特征和语言使用）识别MDD患者的自杀意念方面表现出中等性能。然而，需要更大且更多样化的数据集来增强这些机器学习方法在真实临床环境中的泛化性和准确性。
作者总结：自杀仍然是一个关键的公共卫生挑战，尤其是在抑郁症患者中。传统的自杀念头检测方法依赖临床访谈，这限制了在医疗机构之外识别高危个体的能力。尽管最近的机器学习方法显示出有希望的结果，但大多数方法需要专门的医疗数据，如脑部扫描或电子健康记录，这些数据仅在临床环境中可用。因此，医院之外的自杀意念（SI）往往处于检测范围之外，无法被触及。在本研究中，研究人员利用自主研发的移动应用程序收集数据，使患者能够在没有专业人员协助的情况下进行生态瞬时评估和问卷调查。远程收集的视频和问卷数据随后通过自然语言处理等方法进行处理，以识别患者的自杀意念。研究人员发现，这种方法在检测抑郁症患者自杀风险方面显示出潜在效果，证明了在社区筛查中的可行性。这种基于移动设备的方法可以将自杀预防扩展到医院之外，在日常生活中接触到那些早期干预至关重要的个体，迈向更主动的自杀预防策略。
论文解读：基于多模态数字特征与机器学习识别重度抑郁障碍中的自杀意念
一、研究背景与问题
自杀是全球重大公共卫生问题，每年导致超过70万人死亡。精神障碍是自杀的主要危险因素，约90%的自杀者曾有精神障碍病史。重度抑郁障碍（MDD）作为常见精神障碍，与自杀结局密切相关，占精神障碍相关自杀的大多数。然而，在MDD人群中识别自杀高危个体是重大临床挑战。现有评估策略主要依赖主观自评量表，但此类方法存在可靠性问题：部分患者（如述情障碍者）难以准确表达甚至识别自身情绪和自杀意念；患者也可能无法准确回忆或描述情绪状态。临床医生实施的评估虽可能更准确，但受限于候诊时间和专业人员短缺，难以规模化开展。生态瞬时评估（EMA）通过实时采集真实生活数据，可减少回忆偏倚，提供比回顾性问卷更精确的信息。研究者日益关注将面部表情、声音特征和语言使用等多模态信息整合入EMA。然而，现有自杀意念（SI）检测研究多数依赖脑成像、电子健康记录等临床特定数据源，且基于医院环境，难以覆盖社区人群。虽然已有机器学习研究探索自杀风险分层，但关于真实场景下源自EMA的多模态数字特征能否提升MDD患者SI识别能力，目前仍缺乏充分证据。
二、研究目的与意义
该研究旨在检验多模态EMA-机器学习框架在识别临床评定的MDD患者SI中的效用，评估多模态特征的增量预测价值，助力更准确的风险分层和及时干预。研究发表于《PLOS Digital Health》。
三、主要技术方法
研究人员从香港地区精神病门诊及社区招募99例MDD患者，使用自主研发的智能手机应用程序（D-MOMO）进行为期7天的EMA，每日四次录制实时心境状态音视频。采用HDRS结构化访谈的H11条目评定临床SI（评分≥1分为SI组）。自评工具包括HADS和TAS-20。特征提取中，面部行为通过OpenFace 2.2.0识别面部动作单元（AU），以0.7置信度阈值筛选后聚合视频级特征；声学特征使用Praat和OpenSMILE提取，包括基频（F0）、语速、停顿参数和梅尔频率倒谱系数（MFCC）等；语言特征利用fastHan分词，并按粤语版LIWC词典归类为79个心理语言学类别，另加总词数。数据经标准化和KNN插补缺失值（0.05%）。采用五种交叉验证和网格搜索进行超参数调优，在每折内基于ANOVA F值进行特征选择，以避免数据泄漏。评估10种机器学习模型，以AUC、F1分数等为指标，并按TRIPOD+AI指南报告。
四、研究结果
1. 参与者特征：99例MDD患者中，38例存在SI，61例无SI。两组年龄、性别无显著差异，但SI组未婚比例显著更高（55.3% vs 29.5%，p=.01）。SI组HADS-A（11.00 vs 7.30，p<.001）和HADS-D（11.55 vs 6.95，p<.001）显著升高，TAS-DIF（21.76 vs 17.18，p=.002）和TAS-DDF（15.16 vs 13.25，p=.01）亦显著升高，表明SI患者存在更明显的识别和描述情绪困难。
2. 多模态特征差异：面部特征中，SI组嘴角上扬动作（AU12）的均值（10.04 vs 17.28，p=.03）和日内变化（6.18 vs 10.17，p=.002）显著低于非SI组。语言特征方面，SI组第一人称单数代词使用频率显著更高（1.54 vs 1.06，p=.03）。声学特征中，SI组MFCC1（29.32 vs 27.50，p=.04）和MFCC3（6.76 vs 3.64，p=.04）显著高于非SI组。F0频率、变异性和语速在SI组较低但未达到显著水平。
3. 机器学习模型表现：在10种模型中，CatBoost表现最佳，AUC为0.79（95%CI:0.69–0.89），准确率0.79，F1分数0.73，敏感度0.76，特异度0.80，阳性预测值（PPV）0.71，阴性预测值（NPV）0.84。KNN（AUC 0.79）、ANN（AUC 0.73）和朴素贝叶斯（AUC 0.72）也表现良好。逻辑回归敏感度高（0.92）但特异度低（0.38），决策树和随机森林敏感度高但特异度偏低。
4. 特征重要性：在CatBoost模型中，预测信息分布于多种模态，最强的预测因子包括面部AU26、AU12，声学Shimmer，语言特征（如“非正式性”“时间”“负性情绪”）及HADS条目。这些特征在五折交叉验证中重复出现，且在CatBoost和朴素贝叶斯两个模型中一致性高，表明多模态信号具有稳定的判别价值。
5. 基线模型比较：仅使用人口学和问卷特征的最佳基线模型，其AUC和F1分数比加入多模态特征后的最佳模型低5%–8%，准确率、特异度、PPV和NPV改善更大。最佳性能来自人口学、问卷与多模态特征的整合，而非多模态数据单独使用，提示多模态特征可作为问卷评估的增量补充。
五、讨论与结论
研究显示，基于EMA的多模态数字特征与MDD患者的SI相关，机器学习模型可实现中等偏上的检测性能，与既往使用临床和生物学特征（如MRI、健康记录）的研究相当（AUC约0.70–0.85），但本研究数据完全通过移动设备在真实生活场景采集，无需临床人员同步参与，具有更好的可及性和自然性。面部AU12、AU26，声学Shimmer及语言中的非正式表达和时间相关词等特征的可重复选择，支持多模态信号在自杀风险识别中的潜在生物学合理性。既往研究也指出，抑郁相关情绪表达减少、声学单调性和语言特征改变与精神病理状态相关。但多模态特征的增量提升仅约5%–8%，提示其价值是递增而非变革性。此外，SI组中未婚、离异或丧偶比例高，与流行病学研究一致。研究存在局限：样本量较小，缺乏外部验证，SI为二分类结局，且HDRS评估的时间窗口与EMA数据采集期不完全对齐，可能限制对短期波动的捕捉。高维特征相对样本量仍有过拟合风险。未来需在更大、更多样化的独立队列中验证模型，并关注纵向数据、多分类框架、模型公平性和伦理问题。尽管如此，该研究作为概念验证，展示了移动多模态EMA与机器学习结合用于社区自杀风险筛查的可行性，可为临床决策支持提供参考，但尚不足以替代临床判断，需进一步验证后才能确定临床实用性。
