设计情感移动探测仪测量抑郁症微笑动态

文献标题

Designing an Affective Mobile Probe to Measure Smile Dynamics in Depression

发表信息

• 主题领域: 使用移动健康技术研究抑郁症的行为标记
• 关键词: 抑郁症，杜氏微笑，移动健康，面部表情，数字生物标记，情绪反应性，纵向研究，混合效应建模，快感缺失，情感计算

背景与问题

• 问题 / 挑战: 传统的抑郁症评估主要依赖于自我报告问卷，这可能无法充分捕捉行为症状，例如情绪反应性减弱和快感缺失。现有关于抑郁症面部标记的研究通常缺乏生态效度，并且集中于静态或受控环境。
• 重要性: 确定客观的行为标记可以改善远程监测和干预，特别是在移动健康（mHealth）环境中，强调可访问性和可扩展性。
• 动机与相关工作: 之前的研究，例如MoodCapture和FacePsy，已经展示了面部表情在抑郁症预测中的潜力，但主要集中于静态图像或非情境化数据。本研究基于这些成果，分析纵向、生态有效环境中的动态面部表情。

解决方案

• 提出的方法: 情感移动探测器（Affective Mobile Probe, AMP），一种基于智能手机的系统，通过捕捉和分析对幽默视频刺激的微笑动态来评估抑郁症相关的情绪反应性。
• 创新点:
  1. 引入一种新的AMP范式，用于在真实环境中测量动态面部表情。
  2. 使用混合效应建模区分个体内和个体间的影响。
  3. 分析微笑动态（如杜氏微笑、假笑）作为抑郁症严重程度的候选标记。
  4. 集成用户反馈以优化AMP系统的设计和可用性。
• 过程与关键技术:
  1. 参与者在智能手机上观看幽默的婴儿视频，同时记录他们的面部表情。
  2. 使用Affdex 2.0软件提取面部动作单元（如AU6、AU12）。
  3. 使用功能数据分析和混合效应模型分析微笑动态（如强度、速度、峰值时间）。
  4. 使用PHQ-8评分评估抑郁症严重程度，并对微笑动态与抑郁症的关联进行纵向建模。

结果

• 具体发现:
  • 对喜欢的视频的杜氏微笑强度更高且出现速度更快，与较低的PHQ-8抑郁评分显著相关（例如，杜氏微笑强度最高百分位的个体内效应量：-0.051）。
  • 假笑动态与抑郁症的关联较弱且不一致。
  • 当参与者认为视频有趣时，观察到最强的关联，这与情绪情境不敏感性（ECI）理论一致。
  • AMP范式解释了PHQ-8评分8%的方差，其中大部分变异归因于稳定的个体间差异。
• 相较基线的优势: 研究证明了在真实世界的移动环境中检测与抑郁症相关的情绪反应性的可行性，补充了之前依赖静态或生态效度较低环境的研究。
• 实验 / 评估:
  • 数据集: 来自BeWell试验的684名参与者，16周内完成了2,702次会话。
  • 评价指标: PHQ-8抑郁评分、微笑强度、速度和峰值时间。
  • 方法: 混合效应建模、引导分析和BERTopic用户反馈分析。
• 局限性与未来工作:
  • 由于样本量较小，对代表性不足的人口群体的普适性有限。
  • 效应量和预测能力较为有限。
  • 需要更丰富的刺激和更高的采样密度。
  • 未来工作应将AMP与其他传感模式整合，并探索个性化刺激。

总结

本研究介绍了情感移动探测器（AMP），一种基于智能手机的系统，通过测量微笑动态作为抑郁症的行为标记。对684名参与者的纵向分析显示，对喜欢的幽默视频的杜氏微笑强度较高与较低的抑郁严重程度相关，支持情绪情境不敏感性（ECI）理论。尽管结果突出了AMP在远程抑郁症监测中的潜力，但在人口代表性和预测能力方面的局限性表明需要进一步优化，包括个性化刺激和与其他传感模式的整合。研究结果强调了生态效度和以用户为中心设计在移动健康干预中的重要性。