石醬

一個人的臉書時間線或Instagram相冊。就是他或她的心理健康數(shù)字晴雨表。它并不是通過表情符號、標簽以及激勵人心的名言警句表現(xiàn)出來的。而是潛藏在一些你本身不知道的較為微妙的信號里，就像醫(yī)生的血壓計和心律顯示器一樣，可以對一個人的心理健康提供準確的診斷。

那些喜歡在社交煤體上分享最新貓咪視頻或旅行照片的人，可能會對這個結(jié)論十分驚訝。這同時也意味著，社交媒體蘊藏著重要的潛能——比如拯救生命。僅在美國，每13分鐘就有一人自殺，過去50年里專家一直在研究自殺者的動機和行為模式，但都沒有取得實質(zhì)性的進展。預(yù)測精神病發(fā)作和抑郁癥發(fā)生也面臨著同樣的難題。

大數(shù)據(jù)方法預(yù)測心理健康

現(xiàn)在?？萍既藛T通過機器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)，從社交媒體上的海量碎片數(shù)據(jù)中提取信息，以上情況正在發(fā)生改變——人們已經(jīng)通過這些方法跟蹤并預(yù)測了流感的爆發(fā)，現(xiàn)在開始轉(zhuǎn)向應(yīng)對心理健康問題。

研究發(fā)現(xiàn)，如果一個人患有抑郁癥，他的Instagram就可能推送色彩更藍、更灰、更暗，人臉更少的照片。這些照片收到的費往往很少，但評論很多。他還可能喜歡用“墨井”濾鏡，把彩色照片做成黑白照片，而不是用“瓦倫西亞”濾鏡提高亮度。

即便如此，單憑這些也不足以診斷或預(yù)測一個人得了抑郁癥。不過這對構(gòu)建預(yù)判抑郁癥的模型至關(guān)重要。該是“機器學(xué)習(xí)”方法派上用場的時候了。

哈佛大學(xué)和佛蒙特大學(xué)的研究人員最近利用這些技術(shù)分析了Instagram上近44000條帖文，由此得出的楔型可以正確識別70%的抑郁癥患者，而普通醫(yī)生只能診斷出42%的患者。同時，模型出現(xiàn)假陽性的比例也較低（不過這個統(tǒng)計數(shù)字來自另一批人群，所以這樣的比較可能不公平）。甚至，在心理醫(yī)生作出正式滲斷之前，用戶的訂閱內(nèi)容就已經(jīng)出現(xiàn)了抑郁信號，這就讓Instagram成為了某種預(yù)警系統(tǒng)。

長期以來，心理醫(yī)生認為語言和心理健康之間存在聯(lián)系，比如精神分裂癥患者說話經(jīng)常前后脫節(jié)和離題，而抑郁癥患者說話會較多使用第一人稱單數(shù)。最新的方法是，把某人的推特名字輸入“文字分析”軟件（AnnlyzeWords）——這是一個免費的文本分析工具，它會關(guān)注虛詞（代詞、冠詞和介詞）以分析用戶的情緒和思維方式。比如，某個用戶最近在推特上發(fā)表了1017個詞語，這些詞都表明他感到生氣和擔憂，在積極情緒方面低于平均值，就可得知實際上他最近對于世界的狀況確實感到悲觀。如果把“@realdonaldtrump”（編者注：美國總統(tǒng)特朗普的推特名）輸入AnalyzeWords。你會發(fā)現(xiàn)美國總統(tǒng)特朗普在積極情緒方面得分很高，而擔憂、憤怒和沮喪情緒的得分則可能低于平均值。

除了這種對情緒和社交風(fēng)格的快速、有時甚至搞笑的測驗，研究人員還在深入探究心理健康方面的問題。

可以反映出抑郁癥的信息包括負面詞匯（“不”、“從不”、“監(jiān)獄”，“謀殺”）的使用增加和積極詞匯（“快樂”、“沙灘”和“照片”）的使用減少，但這些信息都不具有確定性。美國哈佛大學(xué)、斯坦福大學(xué)和佛蒙特大學(xué)的研究人員更進一步，從約28萬條推文中提取出了許多特征（情緒、語言和語境等），這一次得出的計算橫型在判斷抑郁癥用戶方面得分很高，還正確地預(yù)判了九成的創(chuàng)傷后應(yīng)激障礙。

佛蒙特大學(xué)的數(shù)學(xué)、自然科學(xué)和技術(shù)科學(xué)教授克里斷·丹佛斯說，積極詞匯和負面詞匯的比例是模型內(nèi)的一個關(guān)鍵預(yù)測變量。其他的重要預(yù)測變量還包括更長的推文字數(shù)。丹佛斯強調(diào)，研究只評估了一小部分特定的人，所以這項研究目前還只是概念性驗證。但他很樂觀，“這些研究結(jié)果和其他類似研究結(jié)果表明，人們在網(wǎng)上的行為可以用來為診斷和篩查工具提供信息?！钡し鹚拐f道。如果加入生理信息（比如來自FitBits和睡眠應(yīng)用的（信息），這些數(shù)據(jù)分析工具可以產(chǎn)生更強大的力量。機器學(xué)習(xí)法對精神分裂生癥的準確預(yù)判率平均可達88%，不過這種程度的成功率只有通過人機協(xié)作才能達到。

如何保護隱私？

那么，應(yīng)該如何處理所有這些信息？首先需委本人的授權(quán)許可。微軟研究院的一個研究團隊成功預(yù)測了哪些懷孕媽媽有可能性情大變。這一切都是基于她們產(chǎn)前和產(chǎn)后早期的推特使用情況。不過研究人員也強調(diào)，他們的目標并不是取代傳統(tǒng)的診療和預(yù)判方法。但想象一下，如果準媽媽們可以在手機上運行此類預(yù)判模型，又會如何？她們可以通過這個應(yīng)用程序獲得“產(chǎn)后憂郁風(fēng)險值”以及相關(guān)資源信息，還可以在有需要的時候獲得急救幫助。

不過，目前這個領(lǐng)域仍然比較保守，尤其是在隱私方面。如果你的心理健康數(shù)據(jù)痕跡對所有人可見，該怎么辦？你可能被制藥公司盯上，或者遭到雇主和保險公司的歧視。此外，此類項目有一些并不受制于臨床試驗的嚴格倫理監(jiān)督，用戶常常在不知情的情況下，數(shù)據(jù)已被挖掘。正如研究互聯(lián)網(wǎng)倫理與隱私的學(xué)者邁克爾·齊默曾經(jīng)解釋過的那樣：“社交媒體上的一些個人信息會以某種方式呈現(xiàn)，但這并不意味著人們可以輕易獲取并公開這些信息?！?/p>

因此對于這個美麗新世界，還需要加上一些限制。2013年，谷歌流感趨勢工具大幅高估了流感高峰值，哈佛大學(xué)的研究人員指責了大數(shù)據(jù)的“傲慢”：“它常常含有隱含的假設(shè)——大數(shù)據(jù)可以取代傳統(tǒng)數(shù)據(jù)收集和分析，而不是成為后者的補充。”

數(shù)據(jù)挖掘和機器學(xué)習(xí)法為提早發(fā)現(xiàn)心理健康問題提供了可能。目前，從抑郁癥發(fā)作到與治療提供者接觸要花6—8年時間。而焦慮癥則需要9—23年時間。接下來，我們有望看到情況得到改善。目前全球有20億用戶經(jīng)常使用社交媒體——這是這些方法可以推廣的基礎(chǔ)。正如馬克·扎克伯格近期在規(guī)劃臉書的人工智能時所寫：“這個世界發(fā)生過很多悲劇——比如自殺，其中一些還進行了直播——這些原本是可以避免的。前提是有人意識到這些人發(fā)生了什么事，并及早報告。”

心理健康存在于看醫(yī)生之前和之后的現(xiàn)實生活中，并且癥狀隨時都在變化中，網(wǎng)站上的帖子、照片和推文都可能泄露使用者的心理健康狀態(tài)。同樣的，我們也可以通過網(wǎng)絡(luò)促進心理健康的預(yù)判、診斷和康復(fù)。

社交媒體上。用戶情緒變化的數(shù)據(jù)可能在不知不覺中按一些商業(yè)機構(gòu)挖掘