大陸深圳大學研究團隊運用人工智慧（AI）分析青少年觀看臉部表情時的腦部訊號，發現部分人的大腦較難區分不同情緒，並容易將模糊訊息理解為負面情緒，與日後出現憂鬱症狀有關。研究人員據此建立神經計算模型，最長可預測4年後的憂鬱風險，未來可能作為辨識高風險青少年的輔助工具。
此項研究由深圳大學副教授陸涵、燕小倩及羅強等專家，聯合英國劍橋大學、德國柏林夏里特醫學院等多國機構完成，論文題為「深度學習揭示預測青少年憂鬱風險的神經計算機制」，8月7日刊登於美國科學促進會出版的《科學進展》（Science Advances）。
研究人員使用歐洲青少年長期追蹤計畫IMAGEN的資料。這項計畫自2007年起，在英國、德國、法國及愛爾蘭等地追蹤青少年心理健康變化，受試者在不同年齡接受功能性磁振造影、血液檢測及心理問卷調查，讓研究人員比較腦部情緒處理方式與日後心理狀況。
團隊分析1332名一般青少年的腦部影像。受試者接受功能性磁振造影檢查時，觀看憤怒、快樂及中性的人臉圖片，儀器同步記錄腦部血氧訊號變化，研究人員再運用貼近人腦視覺處理方式的深度學習模型，分析不同情緒在腦內形成的神經表徵。
結果顯示，部分青少年的大腦對臉部情緒訊號反應較弱，不同情緒在腦內的區別也較不清楚。模型也發現，這種情況可能涉及情緒辨識「過度正則化」，也就是大腦處理情緒時過度簡化不同表情之間的差異，使模糊或不明確的訊息更容易被歸類為負面情緒。
研究團隊指出，這項現象主要出現在憤怒臉孔的處理過程。受試者觀看快樂及中性表情時，並未發現同樣明確的關聯，顯示青少年面對帶有威脅或敵意的社交訊號時，若長期出現負面判讀偏差，可能成為日後憂鬱症狀的早期警訊。
團隊再追蹤其中725名受試者，將他們19歲時的腦部訊號與23歲的心理健康狀況相比。結果顯示，模型找出的神經計算特徵，可預測最長4年後新出現的憂鬱症狀。這項研究並非從已確診患者身上反推特徵，而是透過長期追蹤，觀察症狀發生前是否已有可辨識的腦部變化。
研究人員發現，這項神經計算特徵與憂鬱症相關基因變異及多基因風險分數有關。此意味部分人的遺傳脆弱性，可能先影響大腦辨識外界情緒的方式，形成較強的負面知覺偏差，進而增加日後出現憂鬱症狀的可能性。
為確認模型不只適用於一般青少年，研究團隊另使用STRATIFY臨床研究的411名受試者資料進行驗證。結果顯示，加入這項腦部情緒處理指標後，模型辨識憂鬱症患者的能力有所改善，顯示這項神經計算特徵可能同時具有預測及臨床分類價值。
據香港《南華早報》，全球有超過3.32億人受到重度憂鬱症影響。憂鬱症成因涉及遺傳、環境、社會壓力及個人經歷，患者通常在症狀已影響生活後才尋求治療；若能提前辨識高風險青少年，便有機會及早提供心理支持、持續追蹤及必要的醫療評估。
此外，有感於AI的與時俱進。2023年6月，中國科學院深圳先進技術研究院腦科學王立平團隊，在《自然》子刊《轉化精神病學》發表了研究成果。研究團隊利用自主研發的AI 3D精細動物自發行為分析系統，建立了長期天敵壓力及同類社交壓力下動物自發行為圖譜，對不同壓力應激源下抑鬱模型小鼠的自發行為進行評估。
這次深圳大學利用AI分析青少年的腦部訊號，也象徵大陸科學家在AI領域有顯著進步與提升。
