人們的抑鬱情況，有沒有可能通過他們在社交網路中的行為表現探知？

12-16

本題已收錄至知乎圓桌數字關係與新社群，更多「網路社會」相關話題歡迎關注討論。
或者說，社交網路中的某些行為、辭彙、內容偏好，是否對抑鬱狀態的預警有參考價值？

作者：陳浩南開大學周恩來政府管理學院副教授

一定程度上可以做到。近幾年，主要是西方研究者在這一問題上做出了前沿探索。他們將網路用戶的社交媒體使用和行為模式，與緊張、焦慮、抑鬱、自殺傾向及其它心理疾病關聯起來，建立統計或機器學習模型，具有不錯的預測準確率。

在眾多心理疾病中，受到學者關注最多的是抑鬱症。抑鬱症的個體和社會後果嚴重，卻一直存在診斷不足的問題。據兩項權威調查結果顯示，大約只有一半的抑鬱症患者被初診醫生及時發現，只有13％-49％的患者受到了最小程度的充分治療。

診斷抑鬱症，通常傳統方法是由專業醫生藉助臨床結構化訪談或患者在抑鬱篩查診斷量表上進行自我報告。訪談和量表的篩查內容主要針對個體的認知、情緒和行為特徵。這些與心理疾病有關的特徵或癥狀，可以在現實世界裡被觀察或問詢到。同樣，人們在Twitter、Facebook、微博、微信、網路論壇等社交媒體平台上的各種活動和各類數字痕迹，也可以成為被追蹤觀測的心理疾患診斷指標。

那麼，用戶哪些網路行為特徵可以作為篩查診斷抑鬱症的有效指標？首先需要在廣泛的網路行為中，找到與抑鬱症診斷金標準之間能建立起顯著有效關係的那些指標。計算機領域稱之為特徵（feature），心理學者稱之為預測變數。

經常備選的特徵，包括社交媒體用戶的語言表達，如編碼特定單詞或辭彙的頻次，發帖時間或其它活動（比如發的圖片）。這些特徵作為自變數進入線性統計或非線性機器學習模型中，預測我們感興趣的因變數，即抑鬱症等心理疾病診斷金標準（或校標）。初期，預測模型需要一部分用戶的網路數據做訓練集，進行模型訓練。然後，採用另一部分用戶的網路數據進行預測效果評估，稱為檢驗集。

在這一研究領域，抑鬱症判斷校標包括四類：抑鬱症傳統診斷量表作答結果、用戶在社會平台上公開分享的抑鬱症診斷結果、在抑鬱症病友相關論壇上的活躍用戶身份，以及人工標註社交平台中的抑鬱類帖子。依據這四種判斷校標，研究者們具體開展了四類基於社交媒體的抑鬱症自動化診斷模型研究。

第一類是量表自我報告。心理測量意義上的心理疾病自我報告測試具有較高的效度和信度。在心理學和流行病學研究中，量表自我報告是僅次於臨床結構化訪問診斷的方法。但由於臨床訪談診斷綜合成本較大，至今還沒有社交媒體研究採用這一校標作為訓練集因變數測試模型。

有兩項研究值得一提，第一項是由美國喬治亞理工大學的De Chouldhury教授領銜的團隊，他們首次基於社交平台數據預測用戶的抑鬱症。他們發現，相比健康用戶，抑鬱症用戶在Twitter上存在明顯不同的網路行為周期節律、更多的負性情緒表達、更少的社會互動、更多的自我關注，以及更多的使用與抑鬱有關的辭彙。另一項是哈佛大學與佛蒙特大學學者的合作研究，他們發現人們發布在社交媒體Instagram上的圖片，在一定程度上可以預測用戶是否為抑鬱症患者。比如，相比心理健康用戶，抑鬱症患者更喜歡上傳發布色彩偏藍、低飽和度灰色、低明度暗色的照片。抑鬱症患者更傾向上傳獨照或僅有兩人的合照，以及偏愛黑白款或褪色系的圖片濾鏡。

量表自我報告測試提供了最為可靠真實的診斷校標數據，但是招募到足夠多願意作答抑鬱症測查量表的社交媒體用戶成本較高，研究樣本量始終上不去，大多在幾百到上千人規模徘徊。社交平台大數據的優勢未獲得充分發揮，所以研究者們開始轉向其它幾種方法。

第二種是患者自我宣示。用戶在社交媒體平台公開抑鬱症患病診斷結果。因變數和自變數同時存在於網路中，方便研究者提取挖掘，成本小，樣本量可以做到較大。但這種預測方法也存在問題，比如有研究者發現，特定年齡段和特定人格特徵人群的語言風格，與被診斷出抑鬱症的患者語言風格有很大重合。也就是說，很可能是用戶的特定人格或人口學特徵，決定了他們是否會在社交平台上公開分享自身的心理疾病診斷結果。因此該類模型預測力的準確性，不一定能擴展到其他平台上。

第三種是論壇身份。與心理健康有關的在線專題論壇和討論網站可以成為預測模型的另一數據源。這類論壇提供給抑鬱症患者們一個空間進行諮詢，彼此接受和提供情感支持，公開討論被污名化的心理疾病問題。De Chouldhury等人研究了在社交新聞網站Reddit上貼出心理疾病類帖子的人，未來是否會轉向討論自殺的念頭。有一些網路特徵能預測這一關鍵轉變，比如升高的自我關注，與社群不匹配的貧乏語言風格，社會投入減少，無助、焦慮、衝動和孤獨的大量表達。

第四種是帖子人工標註。手工標註帶有特定關鍵詞的帖子，標註者一般都會有專業指導手冊告知如何識別抑鬱症，比如DSM-5。社交網路帖子的手工標註是一種藉助人工的補充預測方法，茲不贅述。

目前看來，基於社交媒體的抑鬱症預測準確性水平，大約介於全科初診醫生（非精神科醫生）判斷和直接採用篩查量表之間。另外，自我報告和醫生臨床診斷只能提供基於一時判斷的結果，而網路在線數據可追溯患者發病前很長時間的想法、情緒和行為變化。

在過去幾十年中，越來越多的人被診斷出患有心理疾病，但仍有大量病患未獲有效診斷。社交媒體的廣泛使用提供了減少未被發現的心理患者的可能途徑，可作為心理疾病現有篩查程序的補充技術使用。隨著社交媒體融入個體和社會的廣度和深度不斷提高，藉助計算機自動化方法診斷包括抑鬱症在內的心理疾病的技術方法也將會不斷增長和成熟。

但有一些問題不容忽視。抑鬱症患者一旦患病可能會停止使用社交媒體，其它類型的非干預型數據流或感應數據，也可作為潛在的自動監測工具。另外，很少有用戶意識到在社交平台上發布的與自身心理健康有關的大量信息，正在成為被他人「偷窺」和研究的數字痕迹，在線數據的隱私權和透明邊界在哪都是很棘手的議題。圍繞基於社交媒體數據的自動化抑鬱症預測研究成果的實踐應用及其討論，應該由精神病醫生、心理諮詢師、計算機科學家、律師、倫理學家、政策制定者，以及來自不同文化和社會階層的正在飽受疾病痛苦的代表共同參與。

我有抑鬱症，但是我從來不在朋友圈透露一點點不開心，全是一些和朋友逛街呀下午茶呀健身呀……最多的還是我的狗。自從查出抑鬱症後我把微博也卸載了，然後發現了知乎，所以現在每天都看知乎，裡面沒親朋好友。

（所以我覺得，平時看上去溫和善良，脾氣好，遇事喜歡忍讓，喜歡傳遞正能量的人，比那些壞脾氣，四處發泄負能量的人，患抑鬱症可能性更大點。）

據旁人反應，我喜歡嘆氣，無緣無故就會聽到我輕輕的長吁短嘆。
習慣掩飾自己的負面情緒，哪怕別人很明顯欺負我，我心裡有氣，也會選擇憋著。
跟人有矛盾，不管誰的錯，先表示自責，負罪感很強。

（別人對我的評價，就是善良大度，脾氣好，多愁善感。我覺得可能是負面情緒都放在了心裡，才會抑鬱吧。）

給你做個參考吧，昨天測的。

很早之前我看過一句話
「你所看到的我的樣子，是我想讓你看到的樣子。」
（大概是這麼個意思）

很明白那種在不同的社交平台有不同表現風格的情況。這種情況也超正常。不管抑鬱與否。

對問題的數據研究和科學的解釋我很期待啦。佔了坑~

其實有抑鬱症的人是自己可以感覺出來的，一群人的時候你會很嗨，是人群眾的焦點，能照顧每一個人的感受。但是只要你一個人走在特別熱鬧的大街上，你會發現所有的熱鬧都與你無關，你的心情會突然變得特別低落。如果天氣再陰沉一點，你會覺得全世界只有你一個人特別孤獨，整個世界都很灰暗，沒有一點色彩，這時候你就會覺得生活沒有一點意思，世界上沒有人愛你，為什麼不去死呢，解脫了不是更好么？
以上都是我自己個人的感受，我知道自己肯定是有問題的，但是我從沒有去看過醫生。我非常缺乏安全感，必須反覆確認這個世界還有人愛我，關心我，反之我就會很低落，會想到自殺。所以如果周圍有朋友問你愛不愛我的時候，請多關心她，有可能因為你一句話，她就徹底放棄了活下去的希望。

抑鬱症害怕被人知道自己抑鬱

不能，，，，越是心裡抑鬱。，，越是不喜歡散播負能量，，，

燥鬱症患者告訴你：並不能。我的朋友圈都是曬旅遊美食和健身從不把難過的事不開心的想法發出去。身邊人都覺得我是個樂觀很正能量的人，然而只有我自己知道，我在對你們笑的時候心裡在想我要怎麼自殺！

我不知道怎麼說自己了。明明知道想太多，可偏偏要去想，然後心裡打著結，無人解開，明白過來後，我早已遲暮了吧