美國佛蒙特大學的研究人員近日發明了一種全新的技術，可以通過分析青少年的活動情況來識別他們的焦慮和抑鬱心理。在實際應用中，研究人員利用可穿戴式運動傳感器檢測收集佩戴者的活動數據，再利用機器學習算法對這些數據進行分析。該套系統宣稱，對兒童心理失調狀況的識別度要比現行的辦法更好、更快。

有預測數據顯示，大約有20%的青少年面臨著所謂的“內在失調”問題。這種問題的表現形式包括焦慮和抑鬱。值得一提的是，由於兒童群體無法通過自我報告的方式來展現出真實的內心狀態以及常常會出現一些難以察覺的失調性格，因此想要識別兒童群體的心理問題通常來說是一項非常困難的工作。

兒童“內在失調”的早期發展往往會先於身體健康的問題（比如濫用藥物和自殺等等）而表現出來。

瑞安·麥金尼斯在解釋上述研究背後的目的時向記者稱：“因為兒童發生心理問題的規模並不小，因此我們想要利用新技術來儘早識別出兒童的心理問題並且給予必要的引導和糾正。”

這項研究將焦點放在製定一套機器學習算法上，並基於微小的身體活動而識別出存在焦慮和抑鬱問題的兒童。

為了研究活動的開展，研究人員招募了63名年齡在三到七歲之間的兒童，其中大約有三分之一的孩子在之前曾經被診斷出存在“內在失調”的問題。

這些兒童被要求穿戴上運動傳感器，之後他們再參加情緒誘導任務，這些任務的初衷在於誘導參加者出現某些情緒現象，比如焦慮。

一般情況下，經過精心培訓的治療師會觀察這些行為測試的進程並給出診斷意見。不過研究人員質疑，利用一套機器學習的算法是否能完成相同的任務並且保證準確性。

結果顯示，在情緒誘導任務的初期階段，僅僅對20秒時長的運動數據進行分析，上述算法便可以識別出哪些孩子有內在紊亂的問題，識別準確率高達81%。

相較於此前醫生使用的名為兒童行為核查單（Child Behavior Checklist）的診斷辦法，上述機器算法識別“內在失調”孩子的準確性要更高。兒童行為核查單是一項需要父母完成的問答識別法，其中包含了120條同孩子行為問題有關的問題。

一位參與上述研究的臨床心理學家艾倫·麥金尼斯向記者說到：“過去我們需要花上數週甚至數月事件才能完成的工作，現在通過可穿戴運動傳感器只要幾分鐘就可以完成。”

研究人員計劃對上述算法進行完善以使其可以完成更大規模的任務，同時他們還計劃將聲音分析等其他數據加入算法之中，以提升識別結果的特殊性。

按照最理想的狀態，這套系統最終能夠識別不同行為（比如焦慮和抑鬱）之間的差異。從長遠期來看，研究人員希望上述技術能夠被引入學校，幫助快速識別哪些學生需要特別協助，其甚至可以進入醫生診室作為孩子標準化發育的評價。（編譯/良弼）