文/陳根
數據就是今天的黃金。我們的生活也因為數字化發生顯著的變化，這些數據不僅被收集和匯總，而且還通過算法手段進行分析。在過去的20年里，圍繞數據存儲、傳輸和分析的技術突破使得醫學也出現了一些重大變化。
精準醫學(PM)和數字表型(DP)是醫學界最為典型的兩種數據驅動的醫療方法。其中，數字表型試圖通過從智能手機和可穿戴設備等日常使用的數字設備中收集連續的“現實生活數據”來徹底變革精神健康。有了這些額外的數據，精神健康診斷方面的知識鴻溝就可以彌合。
【資料圖】
精神健康的變革
簡單來講，數字表型就是將個人的特征數字化，并產生許多不同的相關指標。而其中大多數的特征數據都可以通過智能手機在患者的真實世界中被動獲得。通過增加傳感器連接，我們還可以連續地、不加干擾地收集更多生理數據。
這意味著，數字表型能從每個人身上獲取大量人工智能可處理的數據，而這對于精神健康的影響將是革命性的。正如美國國家心理健康研究所前負責人托馬斯·英塞爾所說：“誰能預見到這場由自然語言處理和人工智能帶來的革命，通過智能手機收集聲音和語音，就能為嚴重精神疾病做早期預警？”
要知道，一直以來，由于血液檢測查不出抑郁癥，腦部掃描也沒法提前檢查出焦慮癥，活組織檢查更不可能診斷出自殺的念頭，所以，就算心理醫師判斷患者具有精神問題，也沒有簡單的方法來進行檢測。
生物標志物時代到來之前，心理醫師們只能依據《精神障礙診斷與統計手冊》來診斷疾病。當患者達到9項標準中的5項時，包括情緒低落、睡眠或體力活動的變化、無價值感、愉悅感降低（快感缺乏），則被診斷為抑郁癥。目前，這種診斷方式存在許多難以量化或客觀評估的因素。
精神病學家們想找出發現思想消極的捷徑卻總是得不到結果，這使許多精神病學的發展停滯不前。它讓精神疾病的診斷變得緩慢、困難并且主觀，阻止了研究人員理解各種精神疾病的真正本質和原因，也研究不出更好的治療方法。
但這樣的困境并不絕對，事實上，精神科醫生診斷所依據的患者語言給精神病的診斷突破提供了重要的線索。1908年，瑞士精神病學家歐根·布盧勒宣布了他和同事們正在研究的一種疾病的名稱：精神分裂癥。他注意到這種疾病的癥狀是如何“在語言中表現出來的”，但是他補充說，“這種異常不在于語言本身，而在于它表達的東西。”
布盧勒是最早關注精神分裂癥“陰性”癥狀的學者之一，也就是健康的人身上不會出現的癥狀。布盧勒發現，最常見的負面癥狀之一是口吃或語言障礙。患者會盡量少說，經常使用模糊的、重復的、刻板的短語。
這就是精神病學家所說的低語義密度。低語義密度是患者可能患有精神病風險的一個警示信號。有些研究項目表明，患有精神病的高風險人群一般很少使用“我的”、“他的”或“我們的”等所有格代詞。
正是這一特征，給了數字表型機會。移動互聯網時代下，無處不在的智能手機和社交媒體讓人們的語言從未像現在這樣容易被記錄、數字化和分析——利用這些數據來開發精確和時間動態的疾病表型和標志物，以診斷、監測和治療疾病，就是數字表型。而通過移動設備所獲得的大量與健康相關的數據的價值還可能遠超過如體檢、實驗室檢查和影像學檢查等一些傳統定義疾病表型的方法，對疾病的診斷和評估具有更高的價值。
數字表型的獨特優勢
相較于傳統的精神疾病的診斷和治療，數字表型展現出了獨特的優勢。
一方面，數字表型能夠通過人們的數字軌跡對精神疾病進行判斷。2017年，安德魯·里斯（Andrew Reece）和克里斯托弗·丹福思（Christopher Danforth）就使用深度學習，分析了從166個Instagram賬號中獲取的43 950張照片（已獲得本人同意），其中71人有抑郁癥史。
研究人員們分析了所有的照片特征來洞察心理：照片中是否有人物、場所在室內還是室外、晚上還是白天、顏色和亮度（按像素）、照片的評論和點贊數，以及用戶的發布頻率。Instagram的照片能區分心理抑郁和健康的人，可作為臨床診斷之前的抑郁癥初診，它與個人的心理健康自評無關。
值得注意的是，Instagram的不同濾鏡功能也能區分抑郁癥患者和正常人，且比想象的要好（見圖8-2）。該計算機程序檢測抑郁癥的準確性為70%，比先前發表的抑郁癥診斷誤診率超過50%的全科醫生更具優勢。
另一方面，數字表型能夠利用網絡或數字技術進行情緒或行為的實時地檢測、追蹤和干預。當前，隨著網絡和數字技術的逐漸普及，智能手機還有可穿戴設備等輔助工具的大量使用。數字表型對于人群的整體及個體化的情緒或行為，尤其是在自然情形下的一個實際表現，已經能夠做到實時地檢測、追蹤，甚至在干預的層面上也變得比較可行。
比如，雙相情感障礙作為一種情緒障礙疾病，它表現某一段時間之內非常的興奮、躁狂；在另外一段時間又情緒極度低落以及消極，甚至出現自殺的傾向甚至行為。而如果能夠通過跟蹤雙相障礙患者的智能手機的語音的情況，就可以做到分析、預測患者將來七天之內的情緒的分數變化。
此外，數字表型的指標還可用于解決一系列問題。南加州大學的研究人員開發了一款能預測婚姻不和諧的軟件，提供74種聲學特征，包括語音質量、微光、音調、音量、抖動、韻律等，該軟件的預測結果甚至比專家還好。隨后該研究團隊將由專家人工編碼的訪談和軟件獲取的聲學數據做了對比，結果顯示，基于語音的機器學習算法不僅比專家捕獲的相關信息多，而且其預測結果也更準確。
在一項針對平均年齡為22歲的年輕人的小型研究中，研究人員對34位參與者的多種語音特征，包括詞組長度、模糊程度、混淆程度、單詞選擇等進行一致性分析，用于預測有精神分裂癥風險的患者是否會發展成精神病。結果，機器的分析結果優于專家的臨床評分體系。
此外，人們使用智能手機鍵盤的方式，也可以成為一種有用的標記。Mindstrong公司已從這種行為中分解出45種模式，包括滑動、字符類型間的滾動和延遲時間等。他們的數據與最初研究中的認知功能和情緒的金標準測量值呈正相關。伊利諾伊大學的計算機科學家通過深度學習和裝有加速計的自定義鍵盤，進一步證實了這一觀點。他們使用自建的DeepMood算法，在一項試點研究中準確地預測了抑郁癥的發生。這項研究為通過個人的鍵盤活動追蹤消極情緒的觀點提供了一些獨立證據。
還需要考慮什么問題？
目前，雖然人們正在利用這些新方式探索診斷和治療一系列精神疾病和情緒問題的方法，但數字表型的應用依舊面臨挑戰。
首先，把醫療信息上傳到應用程序，對患者和臨床工作者都有潛在風險。其中的一個問題是，這些醫療信息會被第三方獲得。
理論上，隱私法應該阻止精神健康數據的傳播。美國已經實施了24年的HIPAA法規規范了醫療數據的共享，而歐洲的數據保護法案GDPR理論上也應該阻止這種行為。但監控機構“國際隱私組織（Privacy International）”2019年的一份報告發現，在法國、德國和英國，有關抑郁癥的熱門網站將用戶數據泄露給了廣告商、數據經紀人和大型科技公司，而一些提供抑郁癥測試的網站也將答案和測試結果泄露給了第三方。
其次，一些倫理學家擔心，數字表型模糊了什么可以作為醫療數據分類、管理和保護的界限。如果日常生活的細節是我們精神健康留下的線索，那么人們的“數字化日常”就可以像機密醫療記錄中的信息一樣，告訴別人其精神狀態。比如，我們選擇使用的詞匯，我們對短信和電話的反應有多快，我們刷帖子的頻率有多高，我們點贊了哪些帖子。我們幾乎不可能在這些信息中隱藏自己。
斯坦福大學的倫理學家尼科爾·馬丁內斯·馬丁說：“這項技術已經把我們推到了保護某些類型信息的傳統模式之外。當所有數據都可能是健康數據時，那么健康信息例外論是否還有意義等相關問題就會大量涌現。”
最后，通過智能手機或可穿戴設備獲得的數字表型必須證明其在臨床有效性方面的價值。數據所帶來的決策改善及效率的提高是否對降低發病率、復發率及死亡率有所幫助目前仍無法明確。很少有醫學領域可以單獨通過監測來提供更好的臨床結果。
比如，睡眠質量是反映一系列心理健康問題的重要指標，通常通過腕帶或手表來監測，但腕帶或手表只能感知穿戴者在睡眠期間的身體活動。要真正了解患者的睡眠狀態，需要將傳感器與腦電波建立相關性，而這目前尚未實現。
另外，生物標志物也可能過于簡單。正如紐約大學的教授農西奧·波馬拉（Nunzio Pomara）所說：“抑郁癥太復雜了，不能簡單地將其歸結為單一的生物標志物。”實際上，有太多與精神健康相關的生物標志物，而人們不知道哪一個或其中有多少個對于確診或監測治療反應至關重要。
當然，不可否認，數字表型代表了在心理學和醫學的許多領域實施心理診斷的新的有力工具。基于社交媒體、智能手機或其他物聯網來源的數字足跡的人工智能分析可用于精神疾病的診斷與精準治療，這也是人工智能相較于傳統精神疾病診斷的無可比擬的優勢和潛力所在。
責任編輯：Rex_19
營業執照公示信息