通过分析日常行为来检测抑郁症的人工智能(AI)技术在韩国研发成功。
韩国科学技术院(KAIST)14日表示,生命科学系首席教授许元道研究团队开发出可分析动物模型日常行为模式的AI技术,并证明可通过该技术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。研究成果已于上月30日发表在国际学术期刊《自然·通讯》上。
研究团队关注到抑郁症患者的四肢动作、姿势、表情等身体运动形态与普通人不同这一点。为精确把握情绪与情感状态通过运动能力显现的现象——“精神运动”,团队以三维方式分析实验动物的姿势与动作,开发出可自动捕捉抑郁状态下细微行为变化的AI平台“CLOSER”。
CLOSER将行为分解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建立了与抑郁症最相似的慢性不可预测应激(CUS)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异的抑郁状态。
在抑郁症模型中,因应激而改变的行为音节呈现明显的性别差异。雄性小鼠探索周边或旋转的行为减少,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。
研究团队还分析了实际用于抑郁症患者治疗或处于临床试验阶段的抗抑郁药对以行为表现出的抑郁症症状的影响。向抑郁症模型投用抗抑郁药后,确认因应激而改变的行为音节(基本行为单位)和行为语法(行为的流向与模式)部分恢复。
尤其发现各种抗抑郁药恢复行为的方式互不相同。研究团队找到了仅观察行为便可区分哪种药物更有效的“行为指纹”。这意味着今后可通过分析每个人的行为变化,挑选最适合的抗抑郁药,从而实现个性化治疗。
许教授表示:“本次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个性化诊断与治疗评估的临床前框架”,并称“为今后精神疾病患者个性化治疗药物开发和精准医疗奠定了重要基础”。






