图 数据驱动量化研究方法

据世卫组织统计和预测，全球抑郁患者已逾3亿，到2030年抑郁症将高居全球疾病负担首位。我国在《“健康中国2030”规划纲要》中已明确指出：“要加强对抑郁症、焦虑症等常见精神障碍和心理行为问题的干预”。目前，抑郁症等精神障碍的诊断方式通常为基于量表的主观访谈，易受环境及个体差异的影响，导致抑郁障碍的临床识别率仅为47.3% ，因此迫切需要便利且客观有效的量化评估手段。随着人工智能技术的快速发展，使用生理信号对抑郁症等精神障碍进行客观、快速、高效地评估，有利于精神障碍的早诊早治。在国家自然科学基金项目（批准号：61632014、62076113、62072219、61210010、60973138）资助下，兰州大学胡斌教授团队在面向精神障碍的多模态数据集及相关研究方面取得进展。

研究团队长期从事基于普适化生理和行为数据的精神障碍量化感知计算研究，于2012年提出“心理生理计算”这一概念，通过将认知科学、心理学与信息科学相融合，确立了针对认知功能、心理状态的数据驱动量化研究方法。该方法针对生理和行为表型的多样性、时序变化性及个体差异性，聚焦大脑-身体-心理之间的复杂交互作用，通过构建面向多模态心理生理数据的多层次时空聚合计算框架来量化感知人类高级认知功能（如情感），为突破心理、生理信息的“感”+“知”关键技术，实现自然情境下精神障碍的客观量化评估提供了一条新的途径。团队于2019年发布了全球首个面向精神障碍量化分析的多模态心理生理数据库MODMA，相关研究成果以“面向精神障碍分析的多模态公开数据集（A multi-modal open dataset for mental-disorder analysis）”为题于2022年4月在《科学数据》(Scientific Data, Nature子刊）发表。文章链接：https://www.nature.com/articles/s41597-022-01211-x。

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。