研究发现，人工智能可以通过驾驶习惯发现抑郁症

快速阅读: 据《心理邮报》最新报道，新研究显示，老年人的驾驶行为可揭示其心理健康状态，尤其是抑郁症。通过分析驾驶数据，人工智能能识别潜在抑郁的老年人。该研究有助于开发筛查工具，以提高抑郁症的早期检测率，从而改善老年人的驾驶安全。

别错过！关注PsyPost在Bluesky上的账号！

新研究表明，老年人的驾驶方式可能提供关于他们心理健康状态的细微线索，这可能为抑郁症的创新筛查工具铺平道路。这两项研究密切相关，最新的一项发表在《npj数字医学》杂志上，探讨了驾驶模式与老年人抑郁之间的联系。研究结果表明，通过日常技术可以观察到的驾驶行为变化，可以通过人工智能分析来识别可能正经历抑郁的老年人，这种状况在这一年龄段往往未被发现。

“老年人驾驶时间更长，但我们对像重度抑郁症（MDD）这样的精神健康状况如何影响实际驾驶行为知之甚少。”该研究的主要作者、圣路易斯华盛顿大学的副教授兼DRIVES项目主任加内什·M·巴布尔说。“鉴于抑郁与认知和运动功能障碍有关，我们想调查是否有MDD的老年驾驶员表现出可能影响安全性和独立性的风险驾驶模式。理解这些模式对于开发帮助老年人保持行动自由同时降低风险的干预措施至关重要。”

研究人员首先开展了第二项研究，以了解抑郁如何影响老年人日常生活中的实际驾驶行为。这项初步研究包括395名参与者，其中一些被诊断出患有重度抑郁症，另一些则没有。所有参与者年龄都在65岁以上，并且是圣路易斯华盛顿大学正在进行的一个更大规模的研究项目的一部分，该项目旨在研究老龄化、驾驶和抑郁问题。

抑郁组包括85名被临床医生诊断为重度抑郁症或在患者健康问卷-9（PHQ-9）中得分较高的个体。对照组由310名没有抑郁诊断的个体组成。参与者接受了临床评估，包括临床痴呆评定量表（CDR）以评估认知功能，并完成了神经心理学测试以测量不同方面的思维和记忆能力。关键的是，所有参与者的小型设备都被安装在他们的私家车里。这个装置连接到汽车的计算机系统，使用全球定位系统（GPS）技术连续记录他们的驾驶行为，捕捉诸如速度、位置以及紧急刹车或急转弯等事件的数据。

研究人员收集了这一段时间内的驾驶数据并进行了分析，以查看有无抑郁的驾驶模式是否存在明显差异。第一项研究揭示，患有抑郁的老年人表现出与非抑郁老年人不同的驾驶模式。尽管他们在研究开始时的认知测试分数没有显著差异，但随着时间推移，那些患有抑郁的人表现出更危险的驾驶行为。具体来说，他们在行程中有更多的急刹车和急转弯。他们还表现出更不可预测的驾驶路线和前往更多样化的目的地。有趣的是，在研究开始时，抑郁组显示出倾向于超速并在总体上花费更多时间驾驶。这些发现表明，抑郁确实与可能导致事故风险增加的驾驶行为变化有关。重要的是，即使考虑了可能影响驾驶的药物使用情况后，这些驾驶行为差异依然存在，表明抑郁本身是一个重要因素。

“我们预计MDD会对驾驶产生某些影响，但对风险行为的程度感到惊讶，包括增加驾驶距离和目的地的不可预测性。”巴布尔告诉PsyPost。“与许多老年人在经历认知或身体衰退时自我调节驾驶不同，那些患有MDD的人继续表现出更危险的驾驶模式。这表明抑郁可能削弱了对功能变化的意识，这对安全具有重要意义。”

基于这些发现，研究人员随后开展了第二项研究，采用了机器学习，这是一种让计算机从数据中学习而无需显式编程的人工智能类型。在这项研究中，他们分析了157名老年人两年的驾驶数据，其中包括81名被诊断为重度抑郁症者和76名未被诊断者。参与者都是从同一持续研究项目中招募的，并满足相似的标准。驾驶数据是通过相同的GPS设备在他们的汽车中收集的。除了驾驶数据外，研究人员还收集了人口统计信息，如年龄、性别和教育水平，以及药物使用情况，包括参与者是否服用抗抑郁药以及他们使用的不同药物总数。

然后，他们训练了机器学习模型，特别是使用了一种称为极端梯度提升（XGBoost）的方法和逻辑回归，以查看这些模型是否能够根据驾驶数据和其他信息区分抑郁和非抑郁老年人。他们测试了各种模型，有些仅使用驾驶特征，有些添加了人口统计信息，还有一些结合了药物数据。机器学习模型仅凭驾驶数据就能相当准确地识别抑郁。表现最佳的模型结合了驾驶特征和参与者服药数量的信息，在区分抑郁和非抑郁个体方面达到了高水平的准确性。这个顶级模型在90%的情况下正确识别了抑郁个体，在82%的情况下正确识别了非抑郁个体。用于识别抑郁的重要驾驶特征包括急转弯和急刹车的频率，以及不同长度行程的数量。令人惊讶的是，添加年龄、性别和教育程度等人口统计信息并未提高模型性能，有时甚至使其略微不那么准确。这表明驾驶行为和药物使用比单纯的个人统计数据更能反映老年人的抑郁状态。

“老年人的抑郁不仅仅是情绪问题——它还可以影响复杂的日常行为，如驾驶。”巴布尔说。“这强调了常规抑郁筛查和有针对性干预的重要性，以促进更安全的驾驶习惯，同时支持老年人的行动自由。”

展望未来，研究人员建议未来的研究应包含更大的参与者群体并跟踪更长的时间。他们还建议纳入更详细健康信息，如电子健康记录，并探索更先进的人工智能技术，以进一步提高抑郁检测的准确性。未来的研究也可以探讨如何更好地确保驾驶数据真正反映了预期参与者的实际行为。

“虽然我们的研究提供了有价值的见解，但它并没有建立因果关系——MDD与驾驶行为的变化有关，但我们无法得出抑郁直接导致这些变化的结论。”巴布尔指出。“此外，我们的样本主要是非西班牙裔白人，因此需要进一步研究以探索这些效应在更多样化、代表性更强的人群中的表现。我们也没有追踪抑郁症状随时间的变化，这可能会影响驾驶行为。”

“我们旨在改进识别因精神健康状况如MDD而面临不安全驾驶风险的老年人的策略。未来的研究将探讨干预措施，如认知训练、药物管理或驾驶调整，是否可以帮助减轻这些风险。最终，我们希望制定临床和政策建议，平衡安全与行动自由及独立性的需求。”

“我们的发现强调了全面方法对老年驾驶者安全的重要性，包括心理健康评估。”巴布尔补充道。“抑郁是可以治疗的，积极应对它可能会改善驾驶安全和整体福祉。我们鼓励老年人及其家人与医疗保健提供者讨论驾驶问题，并探索更安全的出行资源。”

(以上内容均由Ai生成)