眉毛上挑并擠在一起表示恐懼、抿嘴表示對自己的話沒有信心、假笑時眼角是沒有皺紋的……曾經，風靡一時的美劇《別對我撒謊》讓很多人了解了，面部表情會出賣自己的那點小心思。而如今，面部活動識別的功能又被科學家給拓寬了，它們還可能透露出自己都不知道的心理健康狀況。
近日，中國科學院心理研究所行為科學重點實驗室朱廷劭研究組的科研人員借助人工智能，構建了不同心理癥狀的面部自動識別模型，探索個體面部活動指向心理健康癥狀的可能性。相關研究成果在線發表于Frontiers in Psychiatry。
破解心理測試量表局限
凡是接觸過心理咨詢的人都不會對心理測試量表感到陌生，因為在專業場景中，它是目前最核心的診斷方法。
癥狀自評量表SCL-90（Symptom Checklist 90）就是比較常見的一種，它由90個項目、一系列定量指標組成。通過問卷，醫生和研究人員不僅可以評估廣泛的心理問題和病癥，也可以衡量心理治療的進展和判定結果。
然而，傳統心理測試量表的局限也很明顯。
“如果之前填過類似的問卷，被試者記住了答案，后面再測的話就可能不準確了，這就類似‘學習效應’，最后得到的測試結果并不能反映真實情況。”朱廷劭告訴《中國科學報》，“有的被試者刻意隱藏內心的真實想法或潛意識誤解了自己的真實意圖，去填答傳統的測試量表，也會造成最終結果的不準確。”
除此之外，不同的心理測量指標，比如抑郁、焦慮，會對應不同的量表，測量幾個指標就需要填幾個量表，“很多人看到量表里的題太多，就不想填了”。
有什么辦法能夠更客觀、更迅速地去測量心理指標，一直是很多心理學研究人員的目標。
基于面部活動識別人的心理健康狀況就是當下不同于傳統心理測量的新方法。已有研究表明，人類行為包括面部活動會反映積極或消極的情緒變化，而情緒又受到心理健康狀態的影響。
“患有不同心理疾病的個體表現出的行為不同，而患有同種心理疾病不同亞型的個體的行為也存在差異。”朱廷劭表示，這些研究結果就為使用行為數據識別個體全面的心理健康癥狀提供了可能，而過去多數研究主要是識別某一種心理疾病的存在或程度。
“這一新方法就是借助人工智能里的機器學習算法，將人的面部活動變化作為輸入，將其心理測試指標作為輸出，建立輸入和輸出的映射關系后，被試只要‘刷’個臉，理論上我們就能通過他的面部數據得到他的心理健康狀況了?！敝焱③拷榻B說。
心理健康狀況不同，面部表達不同
在與心理健康相關的所有非語言行為中，面部表情相對穩定，并且易于獲取。通過面部活動識別心理狀況，既方便又可以多次使用，還能避免被試者主觀想法帶來的實驗干擾，并且減輕被試者過多的心理負擔。
于是，朱廷劭團隊嘗試構建了不同心理癥狀的面部自動識別模型，從而探索個體的面部活動到底能否有效指向被試者的心理健康癥狀。他們還將信效度檢驗方法應用于機器學習模型的評估，為未來的同類型研究提供一種可行的多維度機器學習模型評估方法。
在這項研究中，團隊共招募了100名被試者，他們首先需要填寫SCL-90中的55道題，分別對應人際關系敏感、抑郁、焦慮、敵對、恐怖和精神病性六個維度。
然后，每名被試者會被要求閱讀一段介紹盧溝橋的中性文本，時長約44秒?！伴喿x文本的目的是為了給被試者一個刺激，讓他們的面部變化更顯著一些，這樣對于機器學習可能更有幫助?！敝焱③拷榻B，已有相關研究發現，不帶有任何情感色彩的中性文本刺激效果最好。
在閱讀期間，研究人員會使用Kinect攝像機記錄下每一幀中被試36個面部關鍵點的三維坐標。與傳統的平面圖像特征不同的是，Kinect可以記錄面部關鍵點在三維空間中的運動。
為了減少無關變量對面部關鍵點坐標的影響，采集數據后，研究人員首先要進行預處理工作，然后提取數據特征，再進行特征選擇和特征標準化，并建立回歸模型，最后得到數據的預測得分。
對于一個自動識別模型來說，測試的準確性、評估的有效性最為關鍵。“經過檢驗，我們證實了不同心理健康癥狀的確具有特異性的面部表達，它們可以被識別。而且模型識別和SCL-90量表測試結果也比較接近。”朱廷劭解釋。
但研究也發現，在不同心理維度的區分度上，現有模型的識別效果并不理想，比如對抑郁和焦慮的邊界判斷就比較模糊。
“這一方法目前仍在探索階段?！敝焱③勘硎?，由于研究的樣本量不夠大，機器學習還需要大量練習，才可能提高準確性和有效性。再者，選擇面部的哪些特征變化才能更好地對心理指標進行預測，也需要不斷分析和調整。
盡管如此，朱廷劭認為，未來在一些非專業診斷的場景，這種方法有很大的應用潛力。
“由于面部數據的采集是實時且無侵入的，當它和視頻技術結合用于心理健康的輔助檢測，尤其可以針對特定的患病人群進行縱向跟蹤檢測，或者針對容易出現心理疾病的人群進行預防合示警，都比傳統的心理測量更有優勢?！?/p>
朱廷劭還提到了一種容易被忽視，但在臨床醫生中間又有潛在需求的應用場景。他告訴《中國科學報》，很多綜合醫院的臨床大夫并沒有精神科背景，有時他們無法判斷前來就診的患者究竟是受困于軀體性疾病，還是因為精神問題，“這就可能產生所謂的漏診”。他希望，屆時臨床大夫也能方便地借助這種手段，真正做到同時評估患者的“身”“心”狀況。
行為痕跡預測心理健康大有可為
心理疾病在現代社會已經相當常見，在新冠肺炎疫情期間，心理健康問題也引起了世衛組織的高度關注。如何在大數據時代，通過挖掘豐富的人類行為數據，評估他們當下的心理健康狀況，一直是這些年朱廷劭團隊研究的方向。
大數據記錄的信息實際上就是普遍化的人類行為，而且，這種數據行為是自覺、自愿發生的，真實性、準確性更高。在面部活動之前，他們的關注焦點是社交媒體上的用戶行為痕跡。人們有可能在主觀的心理測量環境中進行有效的偽裝，卻很難在網絡中長期這么做。
2020年疫情期間，朱廷劭團隊就從網絡抓取了人們在微博上發表的言論數據，分析一定地域內，從居家隔離政策實施到解除期間，人們心理健康狀況的變化情況；分析人們心理健康情況中一些具體指標的變化，比如負面情緒與正面情緒，對社會風險的敏感性與對生活的滿意度等；討論引起人們心理健康情況變化的因素，比如集體主義與恐懼；探索微博用戶行為免疫系統（BIS）引起的情緒和認知過程促進預防行為的路徑/機制。
事實上，通過識別行為痕跡預測人的心理健康狀況已成為國內外心理測評研究的前沿方向?！半m然不能替代專業診斷，但這些檢測方法在大規模人群心理變化監測方面，以及識別自殺意念，實現對個體自殺風險的評估和預警方面，將大有可為。”朱廷劭強調。
相關論文信息：
https://doi.org/10.3389/fpsyt.2020.607890
【免責聲明】本文轉載自網絡，與科技網無關?？萍季W站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。