朋友圈里全都是灰突突的图片？你别是抑郁了吧？！识别抑郁症在临床上有一套复杂的流程：要填写为数不少的量表，要报告最近一段日子的生活状态等等。如果告诉你，有一种简单的方法，只要分析一下你朋友圈中发过的照片，就能初步判断你是否是抑郁症患者，而且它的准确率或许还要比医生初诊高，你相不相信呢？
最近，哈佛大学心理与计算科学专业的博士生安德鲁•里斯（Andrew Reece）与佛蒙特大学的数据科学教授克里斯福特•丹福斯（Christford Danforth）就通过实验发现，人们发布在社交媒体上的照片与发布者的心理健康状态存在密切的联系，甚至可以在一定程度上预测发布者是否为抑郁症患者。
他们利用计算机技术，设计出了一套通过分析照片预测抑郁症患者的模型，研究报告已发表在《欧洲物理杂志•数据科学》（EPJ Data Science）上。
里斯和丹福斯的研究从社交网络平台Instagram（一款风靡欧美的图片社交APP，类似微信朋友圈）入手，因为这款应用在欧美国家非常火爆，它上面平均每天都有近1亿张照片发布。
更重要的是，有关Instagram使用与心理健康的研究方兴未艾，以其作为对象，可以让他们方便地将自己的结果与以往研究所得到的结果进行比较。他们从亚马逊土耳其机器人（Mturk）上招募参与者，通过标准化的抑郁量表（CES-D）筛选抑郁症参与者，这些人不仅要符合抑郁量表的诊断标准，还需在过去几年内被确诊为抑郁症，以此保证他们确实是抑郁症人群。通过这种方式，实验最终确定了71名抑郁症参与者。
另外，实验还招募了95名健康参与者作为对照组。
包括抑郁组与对照组在内的166名参与者，从他们开始玩Instagram到实验开始时，总共在上面发布了43950张照片，这些便是实验所需要的原始材料。
里斯等人设计的模型，会抽取、分析照片所包含的两种信息：一种是照片本身的图像信息，包括色调（照片色彩的总体倾向）、饱和度（照片色彩的纯度）、明度（照片整体的明暗程度）；另一种是照片所反映的社会活动信息，包括用户发布照片的频率，每张照片的评论数、点赞数，以及照片中的面孔个数。除此之外，实验还专门记录了参与者使用滤镜的信息。实验结果显示，高色调、低饱和度、低明度的照片能有效预测抑郁者患者。
换句话说，相比于对照组，抑郁症患者更喜欢发布色彩偏蓝并且又灰又暗的照片。里斯在文中表示，这个结果与过去的研究结论较为一致，以往的临床心理学研究发现，健康者更喜欢鲜艳的颜色，而抑郁者则更喜欢偏灰、偏暗的颜色。
同时，抑郁者的社会活动频率也会有所下降。实验发现，抑郁者所发布的照片，平均获得的点赞数都要少于对照组。
虽然抑郁者更喜欢上传带面孔的照片，但他们所发布照片中的面孔数却比较少，照片多是独照或者仅有两个人的合照，这可能间接说明了抑郁者的社交圈子比较窄。这些特点也是模型所考虑的重要参数，可以与照片的图像信息一起“识别”出抑郁症患者。一个比较有意思的发现是，使用哪款滤镜也是一个有效的预测指标。从整体上看，抑郁者更少使用滤镜。
但一旦使用滤镜，则他们更青睐黑白款或褪色系滤镜，排名前三位的滤镜分别是Inkwell、Crema和Willow，其中Inkwell与Willow都是将照片“咔擦”变成黑白色。对照组则有着与之完全不同的滤镜偏好，他们更喜欢饱和度高、偏暖的滤镜，比如Valencia、X-Pro II、Hefe等等。
计算机能通过图片有效识别抑郁症患者吗？如何提高抑郁症正确诊断率，是精神卫生界面临的共同问题。
2009年，《柳叶刀》上的一篇文章对目前临床上抑郁症的正确诊断率进行了元分析，在汇总了41项研究共计50371名来访者的数据后，该文章发现，未使用测量工具的情况下，全科医生（并非精神专科医生）对抑郁症的正确诊断率只有42%。而运用机器学习算法，里斯对他们模型的预测能力进行了估测。当要求“识别”抑郁者时，模型的正确率达到了70%。
虽然在预测准确性上，模型似乎要优于全科医生，但需要注意的是，模型也出现了不少次“错报”（实为健康人，却报告为抑郁症患者）与“漏报”（实为抑郁症患者，却报告为健康人）的结果。
除此之外，这项研究在参与者选取上也存在一定局限。首先，实验排除了在抑郁量表CES-D上得分超过22分（满分60分）的参与者，也即参与者中不包括从中度到重度的抑郁症人群。
其次，在最初的参与者中，有43%的人拒绝了继续参加实验，因为他们不想贡献自己在Instagram上的照片。也就是说，最后纳入分析的数据，都是来源于那些愿意分享自己照片的人，而这部分人可能存在独特的心理特征，对结果产生干扰。因此，这项研究中的预测模型在多大程度上适合推广到一般人群中，仍然是一个疑问。
不过，里斯认为他们的技术可以为作为一种新方法，用以对抑郁症（及其他心理疾病）进行早期筛查，以辅助正式诊断，特别是用于那些尚未建立心理咨询体系以及相关支持较少的国家，以此来帮助更多的人。