根据Penn Medicine研究人员领导的一项新研究，发现抑郁和焦虑的Twitter用户更有可能发布具有较低审美价值和较少鲜艳色彩的图片，尤其是灰度图像。此外，他们发现用户倾向于抑制积极的情绪，而不是在他们的个人资料图片中向外显示更多负面情绪，例如保持直面而不是直接皱眉。该研究旨在利用计算机视觉和人工智能来确定在Twitter上发布和设置为个人资料图像的照片质量与抑郁和焦虑有关，并着眼于使用该平台作为筛选两者的方法。该研究将于6月11日至14日在慕尼黑举行的国际AAAI网络和社交媒体会议上发布。

在2018年，宾夕法尼亚大学医学研究人员发现，通过使用人工智能识别标记某些用户的关键词，可以在诊断前三个月预测抑郁症。随着社交媒体越来越以图像为中心 - 超过一半的推文，每秒超过3000条，现在都包含图像 - 通过图像内容获取健康状况线索的价值对医学来说将变得越来越有价值。

“尽管抑郁症和语言使用模式之间的联系得到了很好的研究，但抑郁症的视觉方面却没有，”该研究的主要作者，宾夕法尼亚大学医学数字健康中心的研究科学家Sharath Guntuku博士说。“将形成图像的像素转换为可解释的特征具有挑战性，但随着计算机视觉算法的进步，我们现在正试图揭示在线表现的条件的另一个维度。”

研究人员使用算法从超过4,000名同意参与研究的Twitter用户发布的图像中提取颜色，面部表情和不同美学测量(如景深，对称性和光照)等特征。为了快速分类他们的抑郁和焦虑得分，他们分析了每个人的最近3,200条推文。同时，887名用户也完成了一项传统调查，以获得抑郁和焦虑评分。然后，图像特征与用户的抑郁和焦虑得分相关。由此，出现了几个重要的关系。

除了发现抑郁与焦虑之间的关联以及那些发布不太生动的照片的人之外，研究人员还发现焦虑用户的个人资料图像以灰度和低审美凝聚力为标志，但不如抑郁用户那么明显。在照片中没有包含的内容中还有一些东西需要解释。抑郁的用户经常只张贴自己脸上的照片，而不会出现家人，朋友或其他人。此外，这些帖子很少包括娱乐活动或兴趣，这些活动或兴趣通常出现在非抑郁用户的照片中。

“抑郁症往往伴随着'平坦的情感'，其特点是表达能力下降和情绪表现，”Guntuku说。“这种情况也会影响一个人对爱好或游戏的吸引力 - 一般来说这些活动 - 通常情况下都是如此。”

研究人员开发出更加自动化的工作版本，有望扩大抑郁症和焦虑症筛查。

“这个工具远非完美地用作诊断工具。但是，自动机器学习工具对于临床医生来说可能是一种低成本的方法，经过患者的许可，可以监控他们的账户并可能检测到抑郁或焦虑水平升高Guntuku解释道，“临床医生可以将那些被工具标记的患者转诊给更正式的筛查方法。”

该研究的资深作者，基因组学和计算生物学与心理学教授Lyle Ungar博士表示，除了Twitter，焦虑和抑郁之外，还有很多可能性。

“像这样的东西也可以用于Instagram和短信，”Ungar说。“我们希望这可以对抑郁症的不同方面提供一些见解。而且我们也在研究从孤独到多动症等各种其他疾病。”