·综 述·
大学生抑郁筛查及预警系统的研究进展帅学倩1， 梅 广2， 李 莉2， 吴 珩3 综述， 赵旭东4 审校
(1. 同济大学医学院，上海 200092; 2. 同济大学电子与信息工程学院控制科学与工程系，上海 200092; 3. 同济大学附属同济医院心身医学科，上海 200065; 4. 同济大学人文医学与行为科学教研室，同济大学中德心身医学研究所，上海 200092)
【摘要】 抑郁症是最常见的精神疾病之一。大学生处在重要人生阶段，多种因素使得他们成为抑郁症高发人群和自杀高风险人群。抑郁的早发现对于大学生的心理健康的维护有重要意义。传统的量表筛查存在滞后性、被动性和受限性等缺点。随着新媒体、人工智能、大数据等交叉学科技术的应用，通过数据挖掘、机器学习等大数据技术处理多来源的数据，构建大学生心理预警系统；或通过人工神经网络、知识图谱等人工智能技术分析构造抑郁症早期筛查模型，这两种方式有望提高筛查实效，变筛查为预警，尽早发现高危人群，实施心理援助，具有很好的发展前景。但同时，在未来工作中需要注重研究伦理与数据隐私。
【关键词】 抑郁症； 大学生； 筛查； 预警
抑郁症以显著而持久的心境低落为主要症状，严重影响患者工作生活，严重时可导致自杀。大学生抑郁症的发生原因主要包括: 不健康的心理品质、人际关系敏感、心理负担过重、思虑过度、留守经历、负性生活事件等。另外，网络精神依赖和沉重的学业压力和日益增大的就业压力也是重要发病因素，且中国传统文化抑制了个人的个性发展，学生的负面情绪无法得到宣泄，从而引起学生抑郁心理的产生[1-3]。大学生自杀事件的发生原因极其复杂，是个人因素、家庭情况、社会因素等内外各种因素交互作用的结果[4]。世界卫生组织报告指出，全球抑郁症患者已达3.22亿人，2005—2015年患者数量增加了18.4%，发病风险最高的3个群体为年轻人群、孕妇/产后妇女及老年人，每年可导致超过1万亿美元的经济损失。2016年，自杀是15～29岁年龄组人群的第2大死亡原因[5]。中国大学生抑郁症状的检出率为23.8%，而抑郁症是大学生自杀的首要原因[6]。研究发现，中国大陆大学生自杀计划检出率男生为5.4%，女生为4.2%[7]。有自杀意念的学生占到16.39%，其中15.82%的学生只是偶尔这么想，而剩下0.57%的学生却经常考虑自杀[8]。
随着国内高校学生心理问题的日益严重，大学生心理健康教育引起人们的广泛关注。既往研究主要集中在高校心理健康工作者和相关研究人员通过心理量表对学生进行心理普查并建立心理档案，对有临床症状的学生进行初步筛查[9]。这种筛查方式存在滞后性、被动性和受限性等缺点。随着新媒体、大数据以及人工智能等技术的发展，解决传统筛查方法不足并促使大学生抑郁症从筛查到预警成为可能。
1 传统方法目前来说，常用于大学生抑郁症筛查的量表包括由美国国立精神卫生研究所于1977年编制的流调用抑郁自评量表(CES-D)，由Zung编制于1965年的抑郁自评量表(SDS)和汉密顿(Hamilton)于1960年编制的汉密顿抑郁量表(HAMD)[10]。这些量表主要针对的是普遍的抑郁症患者，而对于大学生这一特殊群体来说，使用以上量表进行抑郁症筛查无论是灵敏度还是特异度都会受到一定的影响。赵静波等[11]在前期研究基础上结合我国大学生抑郁症的特点,构建了大学生抑郁评定量表正式版，并用正式版量表在全国范围内选择调查对象,进行实际应用研究,得出我国大学生抑郁症的发生率和影响因素,并制定了常模。该量表是以我国大学生为样本的第1个专门评定大学生抑郁的测量工具,能够更准确有效地解决我国大学生抑郁症的筛查问题,为早期识别大学生抑郁症提供了有效的工具。但在大学生抑郁症筛查相关的研究中，也不乏根据研究的设计和当地大学生的情况选择其他量表开展项目的例子，如陈丹[12]运用病人健康问卷-抑郁量表(PHQ-9)对1427名高校大学生进行抑郁症的筛查,结果共有153(12.60%)名检出明显抑郁情绪，且该量表在我国大学生人群中具有良好的信度与效度。以上量表条目数都较多，实施起来有诸多不便。Bruce等[13]发现口头提问两项筛查抑郁症的问题即“在过去1个月中，你在做事时，是否经常被情绪低落、抑郁或无望而困扰；以及在过去1个月中，你在做事时，是否因一点小的利益或欲望而困扰”能检出全科诊所中的多数抑郁症病例，且具有较满意的灵敏度和特异度，这给大学生抑郁症筛查工作提供了一个简洁省时的方法。
2 传统方法的延伸——微信、微博、App等新媒体如今二维码深入大众生活，将抑郁测评量表与二维码相结合是一种方便有效的筛查方式。周晶晶等[14]在北京市5所高校内利用PHQ-9、广泛性焦虑量表(GAD-7)及抑郁症觉察缺陷问卷(PDQ-D)的5条目量表通过扫描二维码的方式进行线上评估，发现大学生人群抑郁症筛查阳性率较高，需定期开展健康宣教及抑郁症筛查，以期早发现及干预。当今部分大学生在微博平台上晒生活、晒心情，通过对微博收集的相关数据进行处理和分析，可以给高校心理工作者提供抑郁症筛查的新途径。如张金伟等[15]针对微博文本的特点提出了一种基于性格、心情和情感空间的多层次心理预警模型。该方法有效地实现了对微博情感的分析和描述及对观察对象心理状况的可视化分析和及时预警。国内外也有多款App可以借鉴被运用在大学生抑郁症的筛查中，如PsycApps可以帮助用户发现自己或关爱的人是否患有抑郁症，并且实施个体化的支持和治疗，包括如何帮助自己或他人以及如何快速获得专业的帮助等，这不仅实现了抑郁症的筛查，也进行了相应的治疗和支持，且App应用方便和个体化，值得推广。Eichstaedt等[16]以已经确诊的抑郁症患者的电子病历为基础，利用确诊日期以前Facebook帖子的文本内容、帖子长度、发布频率、时间发布模式和人口统计数据(材料和方法)建模，发现该模型可以相当准确地识别抑郁症患者，且与以医疗记录为基准的筛查的准确性大致相符。这些都充分地说明利用新媒体上的数据对大学生抑郁症进行实时筛查是可行且准确的，且来自微信、微博、App和Facebook等新媒体的数据与大数据及人工智能的结合将进一步提高筛查的性能。
3 从筛查到预警——大数据预警系统大数据应用通常包含一系列复杂的组件: 数据的提取、收集、清理和转换、存储和管理、分析、索引和搜索，以及可视化。在大数据融入心理学领域之前，对情绪、认知和行为的可靠测量主要依靠临床医生的观察和自我评估的心理测试，这种方法具有费时费力、缺乏实时性和可靠性、所收集的数据质和量都不高等缺点[17]。现代计算机科学技术可以自动收集、传输和分析适当的数据，减轻了参与者和研究人员的负担。就大学生群体来说，一卡通、互联网、手机等移动终端、学校的各种传感器数据等都可以作为数据的来源，数据的获取趋向于多元、完整和精确。这些数据被传输到中央数据存储库，通过数据挖掘和机器学习等技术对数据进行处理和分析。经过以上过程得到的结果可被运用于大学生抑郁症的筛查中，从而解决了传统方法存在的不足，变筛查为预警，具有很好的发展前景。但需要把大数据研究的伦理问题与数据隐私问题放在中心位置，才能保证大数据预警系统的可持续发展。
3.1 理论研究我国学者梁娟等[9]提出“大数据时代背景下大学生心理预警系统”的概念，旨在充分利用大数据能够对相关行为进行预测的特点，通过对大学生的日常行为进行实时跟踪与分析，一旦发现异常的行为可以立刻将相关信息通过短信，或者网络平台推送到相关的部门和个人，继而进行及时干预。在上述概念的指引下，有关学者提出的在大数据背景下基于“用户画像”的抑郁症阅读疗法新模式的方案便于准确把握诊断、治疗时机，使患者在无意识状态下接受阅读治疗，具有较高的社会价值和重要的现实意义[18]。梁娟等[9]认为，大数据构建大学生心理预警系统的建设思路包括心理预警系统的顶层设计、心理预警系统的信息收集机制、心理预警系统的信息分析评估机制(心理专家知识元支撑库)、心理预警系统的反应机制和容易被忽视的心理预警系统的保密机制等5个方面。这个观点被国内很多专家所认同，但国内外相关研究仅仅停留在理论阶段，实践研究很少。
3.2 实践研究对于大数据心理预警系统的建立最为关键的是信息分析评估机制的解决，到目前为止研究人员为了解决这一问题要么试图发现迄今未知的趋势和模式，要么研究已知实体的新特性。对于前者来说，国内在实践中走在前列的有杨秀岩等[19]以大样本调研数据为基础，应用人工智能中的神经网络方法构建针对大学生和企业员工两个人群的抑郁症早期筛查模型并分别获得了较高的符合率，这是大数据和人工智能如神经网络方法结合的良好案例，是对信息分析评估机制新的探索。而对于后者来说，在累积大量数据的基础上，梁娟等[20]发现运用大数据技术的数据挖掘方法中相对提升度的剪枝方法对找到大学生的人格特征、心理健康数据和成绩等数据相互之间的关联规则具有有效性和实用性，可为心理预警系统的信息分析评估机制提供指导。以上研究提示了大数据心理预警系统在高校中普遍和深入开展的潜能，但国内高校到目前为止只有广东外国语大学率先在整体性、层次性、关联性及动态性系统论的原则下，结合移动互联网和大数据技术建立大学生心理危机预防体系并付诸实施[21]，为国内其他高校敞开了大数据与大学生抑郁症筛查相结合的大门。国内对大学生大数据心理预警系统的研究较多，但多集中在以大学生心理预警系统的建设思路为核心的定性理论研究，定量和建模的实践研究很少。且理论研究中如何实现每一步包括最为关键的信息分析评估机制的解决均缺乏具体、有效和可操作的指导。国外对大学生的大数据心理预警系统的关注较少，可能是地域文化差异的原因。Zhou等[22]使用英国生物银行数据库中9914名受试者的影像学、临床、表型特征和问卷数据，通过大数据算法中的无监督机器学习方法建模确定了预测抑郁症或其他精神疾病的存在和发展的决定性规则并证明了算法和模型的一致性和有效性，有效率达到70%～80%，提示建立包括相关评价指标的大学生抑郁症筛查数据库，可以为筛查、干预和研究提供方便。而Block等[23]利用媒体行为与影响研究(MBIS)数据库中19776名受试者的数据进行分析，发现倾向于使用