韩国科研团队开发出利用AI分析日常行为、客观诊断抑郁症并评估治疗效果的技术,为精神疾病的诊断与治疗提出了新解法。
KAIST 13日表示,生命科学系许元道讲座教授研究团队开发出可分析动物模型日常行为模式的人工智能(AI)技术,并证明可借此在日常行为中检测出因性别和病情严重程度而异的抑郁症症状。
重度抑郁障碍等精神健康疾病依靠主观问卷与面谈进行诊断。复杂而模糊的“抑郁感”一直被视为抑郁症诊断的最大局限。
研究团队注意到抑郁症患者的四肢动作、姿势、表情等身体运动形态与常人不同。为精确掌握情绪与情感状态通过运动能力表现出来的“精神运动(psychomotor)”现象,研究团队开发出可对实验动物的姿势和动作进行三维分析、自动捕捉抑郁状态下细微行为变化的AI平台“CLOSER(Contrastive Learning-based Observer-free analysis of Spontaneous behavior for Ethogram Representation)”。
CLOSER利用人工智能方法对比学习(contrastive learning)算法,将行为切分为极小单位进行分析。由此精确区分出人眼难以察觉的细微行为变化。
研究团队利用该技术制作了与抑郁症最相似的慢性不可预测应激(CUS·Chronic Unpredictable Stress)小鼠模型,验证仅凭行为能否区分日常中的抑郁状态。结果显示,CLOSER成功准确区分了随性别和症状严重程度而不同的抑郁状态。
事后分析结果表明,应激对行为频率和行为流程的改变影响更大,而非运动能力本身。
特别是在抑郁症模型中,因应激而改变的行为音节呈现出明显的性别差异。例如雄性小鼠探索周围或旋转的行为减少,而雌性小鼠这类行为反而增加。随着应激暴露时间延长,这种日常行为变化更为显著。
此外,研究团队为确认抑郁症的发病原因是否反映在行为模式中,还追加分析了基于炎症的抑郁症模型和基于应激激素的抑郁症模型。
结果显示,通过持续应激或炎症造成抑郁状态时,日常行为出现明显改变;但仅注射应激激素(皮质醇/皮质酮)时,几乎未出现行为变化。这表明仅凭日常行为观察,也可区分因抑郁症原因或性别而不同的状态。
研究团队进一步分析了实际用于抑郁症患者治疗或正在临床试验中的抗抑郁药对以行为呈现的抑郁症症状的影响。向抑郁症模型注射抗抑郁药后确认,因应激而改变的行为音节(基本行为单位)和行为语法(行为的流程与模式)部分恢复。
尤其发现不同抗抑郁药恢复行为的方式各不相同。研究人员找到了仅观察行为便可区分哪种药物更有效的“行为指纹(behavioral fingerprint)”。这意味着未来可通过分析每个人的行为变化,选择最合适的抗抑郁药,实现个性化治疗。
许元道讲座教授表示:“本研究将基于人工智能的日常行为分析平台与抑郁症诊断相结合,在世界上首次实现了可对抑郁障碍进行定制化诊断与治疗评估的临床前框架”,“为今后精神疾病患者定制化治疗药物开发与精准医疗奠定了重要基础”。
由KAIST生命科学系博士生吴贤植作为第一作者主导的本研究,于2025年12月30日刊载于国际学术期刊《自然·通讯》(Nature Communications)网络版。






