基于人工智能的系统通过非自主身体反应检测抑郁症

来自南加州大学的一个多学科团队，包括工程师、神经科学家、语言学家和精神病学家，创建了PRECOG项目，以解决当前精神科诊断依赖于主观问卷和自我报告的局限性。在实验中，志愿者阅读了160条情感各异的陈述，并表明同意或不同意，同时通过三种传感器持续记录他们的生理反应：一种64通道的脑电图，测量大脑电活动；一种红外眼动追踪器，监测注视情况；以及皮肤电导测量，用于评估汗液成分。深度神经网络分析了收集的数据，并识别出与抑郁障碍相关的稳定模式。脑电图解码显示，在处理负面词汇时最显著异常发生在阅读后的300至600毫秒之间的大脑活动中，而眼动分析显示，健康个体在阅读负面短语时，会表现出向“不同意”选项的清晰水平眼动模式，而抑郁患者则表现出混乱、分散或抑制的运动。对皮肤电导数据的数学处理也检测到对压力词汇的自主神经反应改变，这与交感神经系统的活动有关。新的AI平台旨在作为执业精神病学家的支持工具，可能基于精确的生物学参数改善对危机状态的预测。该信息纯粹是教育性的，基于科学研究，并非个人医疗建议。