用于诊断抑郁症并评估治疗效果的人工智能（AI）技术已经被开发出来。由于“抑郁感”具有复杂而模糊的特性，依靠主观问卷和访谈方式难以确保客观性。相较之下，AI可以通过对日常行为的分析来诊断抑郁感，不仅能够提高客观性，还能提出个体化治疗策略，具有重要意义。
KAIST表示，生命科学系特聘教授 Heo Wondo 研究团队开发出了分析动物模型日常行为模式的AI技术，并于13日称，已证明可以从日常行为中探测出不同性别和不同严重程度的抑郁症症状。
研究团队首先注意到，抑郁症患者在手臂和腿部的运动，以及姿势、表情等身体运动方面的表现与普通人不同。
此外，为了精确把握情绪和情感状态通过运动能力表现出来的“精神运动（psychomotor）”现象，研究团队对实验动物的姿势和动作进行了三维分析，开发出一套AI平台“CLOSER”（Contrastive Learning-based Observer-free analysis of Spontaneous behavior for Ethogram Representation），能够根据抑郁状态自动捕捉到细微的行为变化。
CLOSER利用AI方法中的“对比学习（contrastive learning）”算法，对细微的行为差异进行区分和分析。借此，即便是人眼难以察觉的微小行为变化，也能被准确区分出来。
研究团队利用这一技术建立了与抑郁症最为相似的“慢性不可预见性应激（Chronic Unpredictable Stress，CUS）”小鼠模型，并验证是否仅凭行为就能区分日常生活中的抑郁状态。结果显示，CLOSER能够准确区分因性别和症状轻重不同而呈现出的不同抑郁状态。
尤其是在抑郁症模型中，由压力引起的“行为音节”变化在性别之间呈现出明显差异。例如，雄性小鼠探索周围或旋转的行为减少，而雌性小鼠则相反，这类行为反而增加。随着压力暴露时间的延长，这种日常行为变化愈发显著。
为确认抑郁症的发生原因是否会反映在行为模式中，研究团队还对炎症基础抑郁模型以及基于应激激素（皮质酮）的抑郁模型进行了追加分析。
结果显示，当通过持续压力或炎症诱导抑郁状态时，日常行为发生了显著变化，但只注射应激激素时，几乎未出现行为变化。这表明，仅通过观察日常行为，就可以区分因不同致病原因或不同性别而呈现出的多种抑郁状态。
进而，研究团队还分析了实际用于抑郁症治疗或处于临床试验阶段的抗抑郁药，对行为层面抑郁症状的影响。向抑郁模型投予抗抑郁药后，因压力而发生变化的“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。
研究还确认，不同抗抑郁药在恢复人类行为的方式上彼此不同。研究团队找出了仅通过观察行为就能区分哪种药物更有效的“行为指纹（behavioral fingerprint）”。这意味着，未来可通过分析行为变化，为个体筛选出最有效的抗抑郁药，实现个性化治疗。
特聘教授 Heo 表示：“本研究将基于AI的日常行为分析平台应用于抑郁症诊断，构建了使抑郁障碍的个体化诊断与治疗评估成为可能的前临床框架”，并称“有望成为今后开发精神疾病患者个体化治疗药物和实现精准医疗的重要基础”。
此外，本研究由KAIST生命科学系博士课程研究生 Oh Hyunsik 作为第一作者参与。研究成果（论文）近日已发表于国际学术期刊《Nature Communications》在线版。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
