你是不是经常朋友圈分享生活？或者，遇到重大的吃瓜事件，在微博吐槽？
如果答案是yes，那你在社交平台留下的“闲言碎语”“点点滴滴”，不仅记录了你当下的心情，还会暴露连你自己都没意识到的心理疾病，比如抑郁。
语言是思维的外衣，语言的变化，能透露出思维的深层变化。
在机器学习迅速发展的今天，一个可以对文本进行分析的AI，甚至能比心理医生更早预测出——抑郁。
在社交平台留下的“闲言碎语”，可能暴露自己也没意识到的心理疾病｜Pixabay
谁看穿你的脆弱？AI
2018年，宾夕法利亚大学的约翰内斯·艾希斯泰德塔（Johannes Eichstaedta）的团队，设计了一个巧妙的实验，证明了社交媒体中的文本，可用来预测抑郁症。
为了招募合适的实验参与者，研究人员在一家医院的急诊室里蹲守了26个月，询问了1万多人，最终选出114个合适的抑郁患者。他们筛选的标准挺复杂：首先，病人要愿意分享他们的电子医疗记录，并且记录中确诊过抑郁症。另外，最关键的是，在他们确诊抑郁症之前，要在社交媒体Facebook上，起码发布过500字以上的内容。
光有114个确诊过抑郁症的参与者还不够，为了模拟真实世界的抑郁症发病频率（1：5），研究人员又按照比例，给每个人配了5个没有确诊过抑郁症的病人，作为对照组。最终，参与这项研究的志愿者有684人（114 + 5 × 114 = 684）。
接下来，研究者采集了参与者发布的Facebook状态，提取了其中丰富的语料，用于训练AI模型，让它学会分析Facebook状态中的词、短语是否蕴含抑郁倾向。实验证明，他们训练出来的AI模型，能较为准确地分辨出，哪个志愿者可能有抑郁倾向。
值得注意的是，AI模型能在参与者看医生之前，预测出他们的抑郁倾向，而且，距离确诊日期越近的数据，预测越准确。
AI模型能在志愿者看医生之前，先一步预测出他们的抑郁倾向｜Pixabay
为什么文本能用来预测抑郁症呢？
因为，抑郁症与语言的变化关系密切。抑郁症患者更频繁地使用各种描述负面情绪的术语、第一人称代词（I，me，my）、"绝对性"词语（我就是个loser）。
一般来说，在确诊之前，抑郁患者的语言表达特点，就已发生微妙的变化，透露出抑郁的“气息”，包括更多消极情感字眼（悲伤、情绪低落）、负面人际关系（敌意、孤独）和认知改变（自我关注、思维反刍）。
约翰内斯研究中，和预测未来抑郁高度相关的“词眼”｜参考文献[6]
语言变化背后，是思维的改变
抑郁症患者语言模式的变化，究其根本，往往是其认知模型发生了变化。
阿伦·贝克（ Aaron Beck）认为，容易抑郁的人，往往拥有抑郁性模式（depressive schemas），如果有压力事件出现，比如遭受重大经济或情感打击，他们的抑郁模式就会被激活，这导致他们会更容易以消极的方式，看待自己和世界。
而心理学家格林伯格（Greenberg）等则认为，抑郁症患者对自己的思考和反刍过多，导致自我调控（self-regulatory）出现困难。简单来说，个人在丧失自我价值感后，对所失去的东西无法再获得，而又无法进行自我调整，掉入“丧失——无法获得——无能为力——更加丧”的死循环，最后会导致过分的自我关注。而这又会放大负面情绪和自责，进一步干扰抑郁者调用有限的精力和注意力走出抑郁状态。
如果掉入“丧失——无法获得——无能为力——更加丧”的死循环，抑郁者可能出现过分的自我关注，更难走出抑郁状态｜Pixabay
抑郁患者的认知模式和正常人这种差别，在学术上称为认知扭曲模式（cognitive distortion schemata），和抑郁高度相关的常见认知扭曲类型有:
情绪化推理（emotional reasoning）
根据自己的感觉，认为某件事情是真的，无视相反的证据。比如，平时已经成绩非常很好了，但还是感觉期末考试会考砸。
归咎个人（personalizing）
认为别人是因为自己而产生消极行为，而不考虑更合理的解释。比如，你表白失败，悻悻而归，觉得路上所有人都讥讽你。
过渡泛化（Overgeneralization）
根据几个例子就做出一概而论的负面结论。比如，数学考试得了低分，就觉得自己没有数学天赋，以后定会一事无成。
非得如此（should statement）
对自己或他人的行为有非常刻板的期待。比如，"我不应该偷懒"，"我必须永不失败"。
这些认知扭曲模式，在社交媒体上，可通过文本暴露出来。
印第安纳大学的克里希纳·巴蒂纳(Krishna Bathina)等人，2021年发表在Nature Human Behavior（《自然·人类行为》）上的文章，就利用了推特的文字信息，探究其是否能预测抑郁患者的认知扭曲情况（涉及12种主要类型）。
他们的研究思路和约翰内斯相似，研究人员先选中约1000名抑郁诊断患者，然后分析他们过去发表的共15万条推特。通过和7000多名对照组的68万条推特信息对比分析，研究人员发现抑郁患者之前的推特中透露出明显的认知扭曲情况，尤其是“归咎个人”和“情绪化推理”两个类型。
这进一步表明，社交媒体平台中，和抑郁相关的认知扭曲“表达方式”，在抑郁诊断之前就已初见端倪。
克里希纳的研究分析流程｜参考文献[1]
社交媒体内容可预测情绪，有何用？
或许你之前听过“认知行为疗法（Cognitive behavioural therapy）”。它是研究得最广泛的抑郁症心理疗法之一，其短期疗效与抗抑郁药物相当，长期疗效也很好。在认知行为疗法中，有经验的治疗师能通过识别僵化、扭曲或过于消极的词汇，揪出导致抑郁的思维模式。
比如说，包含 "应该 "或 "必须 "的陈述（上文提及的“非得如此“）通常反映了患者内心过度僵化的规则（"我不应该偷懒"，"我必须永不失败"），这就需要心理治疗人员和患者进行一系列的对话，以发现症结，并解决“非得如此”的认知扭曲模式。
认知行为疗法理论的重要基础是：个人如何处理、解释“与自己有关”的信息，跟其抑郁症的发病、维持和复发直接相关。也就是说，恰如其分地干预“个人语言信息处理的过程”，有利于情绪调节，并最终能改善抑郁，这一点逐渐得到更多研究的证实。
由此看来，从“语言表达”作为切口，对存在认知扭曲的抑郁患者进行“谈话治疗”，意义不可小觑。
除此之外，如果能充分利用、评估语言特点，提取并分析社交媒体中的文字信息，从而筛查、预测出某个人是不是处于抑郁状态，就能做到及时干预和引导，具有重要的现实意义。
图｜Pixabay
参考文献
[1]Bathina KC, ten Thij M, Lorenzo-Luaces L, Rutter LA, Bollen J. Individuals with depression express more distorted thinking on social media. Nat Hum Behav. 2021;5(4):458-466. doi:10.1038/s41562-021-01050-7
[2]Eichstaedt JC. How to responsibly predict depression diagnoses using social media. Brookings. Published February 17, 2021.
[3]Marks M. Artificial Intelligence-Based Suicide Prediction. ARTIFICIAL INTELLIGENCE. Published online 2019:24.
[4]Coppersmith G, Dredze M, Harman C, Hollingshead K. From ADHD to SAD: Analyzing the Language of Mental Health on Twitter through Self-Reported Diagnoses. In: Proceedings of the 2nd Workshop on Computational Linguistics and Clinical Psychology: From Linguistic Signal to Clinical Reality. Association for Computational Linguistics; 2015:1-10. doi:10.3115/v1/W15-1201
[5]Rude S, Gortner E-M, Pennebaker J. Language use of depressed and depression-vulnerable college students. Cognition & Emotion. 2004;18(8):1121-1133. doi:10.1080/02699930441000030
[6]Eichstaedt JC, Smith RJ, Merchant RM, et al. Facebook language predicts depression in medical records. PNAS. 2018;115(44):11203-11208. doi:10.1073/pnas.1802331115
[7]Cavazos-Rehg PA, Krauss MJ, Sowles S, et al. A content analysis of depression-related Tweets. Comput Human Behav. 2016;54:351-357. doi:10.1016/j.chb.2015.08.023
作者：蔡梦飞
编辑：小贩儿
排版：洗碗
点击上方作者名片
查看他的作品并留言
本文版权属于“我是科学家”，未经授权不得转载。
如需转载请联系iscientist@guokr.com
欢迎填写调查问卷，支持我们↑↑↑
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
