Zi 字媒體

用社交媒體上的信息去分析用戶的精神狀況已經不是一件新鮮事了，很多學者已經通過這種方式檢測出了一些負面的精神狀況，這些都是基於文本分析完成的；而最近哈佛大學和佛蒙特大學主導的一項研究，則通過對 Instagram 上的照片分析，完成了相關研究，這是首次通過分析圖像對用戶的精神狀況進行評估。之所以選擇 Instagram 作為分析樣本的來源，是因為目前 Instagram 的月活用戶超過了 7 億，每天都有超過 1 億張圖片被發表，而其用戶的增長數量甚至超過了 Twitter、YouTube、LinkedIn、Facebook 等大型社交媒體，這為學者的研究提供了巨大的資料庫和樣本來源。這項研究基於一個重要的假設：抑鬱症患者發布的圖片的風格、以及發布的頻率，與精神狀態健康的人有著明顯的區分。為了進行精確的研究，學者融合了機器學習、面部檢測、圖像分析、色彩對比等分析方法，收集了 43950 張照片的數據信息。這些照片來自於 166 位 Instagram 用戶，其中 71 位有抑鬱症病史。通過對照片的色調、亮度以及濾鏡的分析，顯示抑鬱者患者發布照片的頻率更高，色調明顯偏暗，多為藍色、灰色色調，色系都比較深；而精神狀態健康的人則更喜歡色彩明亮的顏色。其次，抑鬱者患者使用濾鏡的次數明顯較少，使用的話也以 Inkwell 最多，這種濾鏡讓照片呈現黑白色；而 Valencia 成為精神狀態健康的人最喜歡用的濾鏡，這種濾鏡可以讓照片的色彩更加明亮。另外，基於抑鬱症患者社交活動更少的特點，學者還對照片進行了面部檢測。結果發現，抑鬱症患者發布的照片人像以特寫為主，但是人數很少，而精神狀態健康的人則剛好相反：因為有更豐富的社交活動，他們的照片上同伴會更多。值得注意的是，這項研究之後，機器學習形成的模型對抑鬱者檢測的成功率，明顯高於普通的醫生。這是因為，這項研究還考慮到了一個重要因素：抑鬱症診斷結果是否對用戶的照片發布產生了影響，也就是說，在抑鬱症診斷結果出來之後，用戶的發布習慣是不是會受自身是抑鬱症患者這一自我認知的影響，而研究的結果是：並不會，所以這個模型對於抑鬱症的預測也有很大的作用。當然，普通醫生也不用急著哭。這項研究的樣本數量偏少，而且這些用戶還得在 Instagram 上有很高的活躍度，所以說並不一定適用於所有人。不過，這項研究裡面所用到的技術，還是為未來臨床精神疾病的研究提供了新途徑。是不是覺得很高大上？