3月8日下午，华中科技大学喻园管理论坛2023年第16期(总第839期)在管理学院219教室举行。澳大利亚纽卡斯尔大学信息与物理科学系副教授Raymond Chiong以“Depression Detection through Machine Learning”为主题做学术分享。本次论坛由管理学院工商管理系教授鲍玉昆主持。

Raymond Chiong从抑郁症现状入手，数据显示，全球共有超2790万人患有抑郁症，每年超700000人因抑郁症而自杀。尽管抑郁症患者群体庞大、危害严重，但在现实中利用脑电信号（EEG signal）、面部表情进行检测的方法，往往受限于需要专业设备且患者有明确隐私考虑，以及抑郁症状表现者主动寻求医疗咨询与治疗意愿不足，使得对患者无法实现早发现、早干预。为了提高判断抑郁症的准确度，帮助患病人群早日获得治疗，协助医务人员进行预诊，Raymond Chiong及其团队采用基于人工智能的机器学习模型，通过分析潜在人群在社交媒体发文的文本内容中的情绪来检测抑郁症的早期迹象。结果显示，他设计的使用社交媒体帖子检测抑郁症的机器学习模型，在公测数据库上最高的准确率约为97%。

在此基础上，Raymond Chiong团队继续优化并开发了机器学习分类器，该机器学习分类器进一步涵盖了社会经济和人口统计因素（例如年龄、性别、种族、生活安排），在小规模实际病例实验中主动预测潜在病患患抑郁症的几率，准确率超过了80%。此外，如果待诊断人员年龄较大或重度抑郁而无法用文本方式来表达时，实验将改用电话谈话的方式进行判断。通过提取音频的特点，可以发现患有抑郁症的被实验者与正常被实验者在音量、频率等不同方面都存在明显的差异，也可以作为判断是否患有抑郁症的一项依据。

鲍玉昆教授对本次学术分享活动进行总结。他表示，抑郁症患者增多正成为一个引起广泛关注的社会问题，目前仍不明确诱因且缺乏有效手段，通过另辟蹊径，借助机器学习方法进行探索性研究是一项相当有意义的工作。

编辑：梁萍