狙击抑郁症

在北京邮电大学的实验室内，陈东浩正带领团队对抑郁患者的微表情进行大数据研究，希望以此辅助医生对抑郁症的诊断与跟随治疗。

微表情可以理解为：肌肉发生动作的时候，最细微的一个“动作单元”。科学家希望拿这个作为抑郁症的辅助判别。

举一个最经典的例子：嘴角下压，或者说是发愁时皱眉，眉脚往中间挤，这两个动作在抑郁症患者身上，是很常见的。

在对临床数据进行人工智能学习之后，心理学界定义的100多个人脸动作单元，目前已有18个典型微表情用于抑郁症的筛查工作。

“如果说单纯去做抑郁症的筛查，我们的准确率达到了95.8%。如果说是分成这个人是健康，是轻度，还是中重度，这样去做一个分程度的判断的话，准确率是达到了79.2%。”陈东浩说。

声音，是另一个研究的方向。

语音、语调、用词都可以被人工智能深度学习，在未来为病情诊断提供可以量化的标准。

但是原声的语音、语调、用词都可以被人工智能深度学习，在未来为病情诊断提供可以量化的标准。

比如在交谈中，出现的关于自杀的高频词很多，这就是一个程度信号；又比如分析对方的语音特征、说话的特点，里边有些敏感词汇或者负性的词汇，都可能会和抑郁的情绪之间有关联。

大数据与人工智能的发展，让精神类疾病的测评和诊断正在向更加精准的方向靠近。

不过，我们的表情和声音只是一个外在的表现维度。在人体血液内部，科学家们也在寻找更准确的对抗抑郁的生物靶点。

抑郁症的发生与我们的遗传、激素水平变化、生活环境甚至季节更替都有关系，但无论诊断还是治疗，医学上却一直难以找到明确的分子靶点。

而黄超兰团队的蛋白质质谱测序，就有望在人类血液中，直接找到那些可以被称为“靶点”的生物标志物，利用蛋白质作为一个生物标志物去诊断抑郁症。

“我们的标志物，我相信在临床的诊断上面已经有一个非常好的应用了，至少我可以精确地诊断你是不是抑郁症。” 黄超兰说。

蛋白质组学对于抑郁症研究的贡献令人惊喜，但是仍有很多未解之谜。