专利示意图
一、技术领域
抑郁识别领域
二、专利介绍
1.专利信息
专利类型：发明
专利权人：清华大学深圳国际研究生院
申请号：202211678577.9
发明人：辜雅婷 、倪士光、张迟、马飞、贾晓健
2.专利说明书摘要
本发明公开了一种计算机辅助抑郁症状诊断的筛查装置，包括：数据采集模块，用于采集受试者的基本信息和实验交互任务中的多模态数据；数据分析模块，用于对多模态数据进行预处理，并提取多模态数据特征，通过已构建的抑郁症状筛查模型，对多模态数据特征进行预测，并根据模型输出结果输出抑郁症状预测分类分级结果；反馈模块，用于显示多模态数据特征可视化结果及模型输出结果。本发明通过实时数据特征可视化和异常数据显示，能够增加对特征的解释性，实现对抑郁症状的有效筛查识别。
3.创新点
（1）本发明涉及抑郁识别领域，针对目前抑郁测量工具中社会称许性问题、对主观判断依赖高等问题，提出一种计算机辅助抑郁症状诊断筛查装置；
（2）本发明结合客户端/服务器架构、机器学习等技术，实现在服务器端进行大模型的训练，在客户端便捷进行交互实验任务。交互实验采集的原始数据保存在本地，能够有效保护患者的面部隐私；从患者面部行为特征、语言表达特征、语言模式特征等维度提取症状特征标志，实时数据特征可视化和异常数据显示增加特征的可解释性；模型预测报告同时发送到受试者和医师客户端，帮助医师进行辅助诊断，医师的反馈结果将用于更新模型的训练样本和模型优化；
（3）本发明通过标准化的筛查过程、可解释的识别特征、高准确率的筛查模型以及服务器端-客户端的双向反馈，实现对抑郁诊断的有效分类。本发明筛查流程标准，保证了筛查提取特征的可解释性和筛查模型的准确性，能够较好预测受试者是否患有抑郁症及抑郁症的严重程度。
4.痛点问题
由于社会对抑郁症的认知偏见，患者自身及家庭对心理疾病的认识不足，导致抑郁症的普及率、识别率和就诊率仍处在较低水平。本发明主要解决量表等传统抑郁测量工具和计算机辅助智能心理测量算法中存在的痛点问题，具体包括：
（1）传统抑郁测量工具中社会称许性误差、对主观判断依赖高等问题，具体包括：一、现有诊断方式依赖于患者对自我的合理评估，但由于心理测量中普遍存在的社会称许性等问题，患者对自己的评估往往倾向于偏离难以被社会接受的消极行为，偏向能够被社会认可的积极行为，导致心理测评的结果出现偏差; 二、抑郁的诊断筛查方法较为繁琐，对诊断医师的主观判断依赖程度较高。目前抑郁诊断缺乏较为明确的临床特征和检查指标，依赖医师对患者心理状况的问询和对临床表现分析，容易受到医师临床经验、沟通技巧、诊疗能力等因素的影响，筛查工具和诊断方式具有一定的局限性；三、由于对抑郁症等心理精神疾病的病耻感与文化易感性，中国抑郁患者相较于国外患者更容易表达躯体症状的不适，包括失眠、体重减轻、食欲不振、头痛、肠胃道或呼吸系统症状等，容易和其他综合性疾病混淆，出现误诊和漏诊；
（2）计算机辅助检测中中国人群适用性不明确、特征解释性差等问题，具体包括：一、计算机辅助抑郁症筛查研究应用的开放数据集以英文居多，中文数据集有待扩充。由于国内外抑郁症患者在面部特点、语言使用特点等方面存在一定差异，国外数据集的研究结果在中国人群中的适用性不明确、相关研究理论不足，仍需要更多的理论及实验支撑；二、在抑郁识别工具的应用上，目前抑郁识别研究中模型特征和参数的可解释性不足，抑郁识别算法在临床上难以得到充分应用。研究应不仅仅专注于提升模型准确率、召回率等指标，相关心理行为理论对算法实验结果的可解释性对抑郁识别算法未来在临床上的落地应用尤为重要。
5.技术优势
（1）本发明采用客户端/服务器架构，实现在服务器端进行大模型的训练，在客户端便捷进行交互实验任务。其中，交互实验采集的原始数据保存在本地，能够有效保护患者的面部隐私；
（2）本发明进一步明确能够适用于中国抑郁患者的临床标志特征，开发针对国内潜在抑郁人群的抑郁症状筛查识别算法，增加对实时数据特征的解释性及异常数据特征的可视化，对辅助医师及时有效诊断和治疗有积极意义；
（3）本发明从多模态数据中提取抑郁症状标志特征，建立计算机辅助抑郁筛查算法，采用客户端/服务器端架构部署，能够辅助医师诊断抑郁症状及抑郁程度，具有快速、低成本、标准化等特点。
三、产业化信息
1.应用场景
本技术通过采集心理学实验和半结构化访谈中受试者的音视频数据，在交互设备上实时显示与受试者相关的心理特征指标信息，并在评估后生成抑郁症状筛查报告，发送给医师及受试者客户端进行计算机辅助诊断，预测潜在抑郁人群是否有抑郁症状、抑郁的风险程度等指标，帮助抑郁风险人群进行广泛客观的辅助筛查，具体的应用场景包括：
（1）抑郁症状广泛筛查。本发明装置通过客户端交互式实验采集数据，根据规范化流程对抑郁潜在人群进行筛查，进一步提高公众对抑郁症的知晓率，加大筛查评估力度；
（2）辅助医师诊断筛查。本发明装置加强了抑郁症状特征的解释性，增加了对于异常数据的实时可视化，由装置筛查诊断为抑郁高风险人群的受试者需进一步在精神专科医院或综合医院精神专科进行就诊，筛查分析结果辅助医师进行诊断。
2.商业价值
此项技术对于医疗行业有以下的市场价值：
（1）本发明通过标准化的筛查过程、可解释的识别特征、高准确率的筛查模型以及服务器端-客户端的双向反馈，实现对抑郁诊断的有效分类；
（2）本发明筛查流程标准，保证了筛查提取特征的可解释性和筛查模型的准确性，能够较好预测受试者是否患有抑郁症及抑郁症状的严重程度；
（3）本材料可以从多模态数据中提取抑郁症状标志特征，建立计算机辅助抑郁筛查算法，采用客户端/服务器端架构部署，能够辅助医师诊断抑郁症状及抑郁程度，具有快速、低成本、标准化等特点。
3.发展规划
国家卫生健康委员会发布《探索防治抑郁症特色服务工作方案》中明确要求应提高公众对抑郁症的知晓率，加大筛查评估力度。该技术未来可应用至抑郁识别中，辅助医师的诊断过程，实现对潜在抑郁风险人群的广泛筛查。
4.合作方式
面议
注:所有成果未经授权，请勿转载
联系方式：ttc@sz.tsinghua.edu.cn
