美国佛蒙特大学的研究人员近日发明了一种全新的技术，可以通过分析青少年的活动情况来识别他们的焦虑和抑郁心理。
在实际应用中，研究人员利用可穿戴式运动传感器检测收集佩戴者的活动数据，再利用机器学习算法对这些数据进行分析。该套系统宣称，对儿童心理失调状况的识别度要比现行的办法更好、更快。
有预测数据显示，大约有20%的青少年面临着所谓的“内在失调”问题。这种问题的表现形式包括焦虑和抑郁。值得一提的是，由於儿童群体无法通过自我报告的方式来展现出真实的内心状态以及常常会出现一些难以察觉的失调性格，因此想要识别儿童群体的心理问题通常来说是一项非常困难的工作。
儿童“内在失调”的早期发展往往会先於身体健康的问题（比如滥用药物和自杀等等）而表现出来。
瑞安·麦金尼斯在解释上述研究背后的目的时向记者称：「因为儿童发生心理问题的规模并不小，因此我们想要利用新技术来尽早识别出儿童的心理问题并且给予必要的引导和纠正。」
这项研究将焦点放在制定一套机器学习算法上，并基於微小的身体活动而识别出存在焦虑和抑郁问题的儿童。
为了研究活动的开展，研究人员招募了 63 名年龄在三到七岁之间的儿童，其中大约有三分之一的孩子在之前曾经被诊断出存在「内在失调」的问题。
这些儿童被要求穿戴上运动传感器，之后他们再参加情绪诱导任务，这些任务的初衷在於诱导参加者出现某些情绪现象，比如焦虑。
一般情况下，经过精心培训的治疗师会观察这些行为测试的进程并给出诊断意见。不过研究人员质疑，利用一套机器学习的算法是否能完成相同的任务并且保证准确性。
结果显示，在情绪诱导任务的初期阶段，仅仅对 20 秒时长的运动数据进行分析，上述算法便可以识别出哪些孩子有内在紊乱的问题，识别准确率高达 81%。
相较於此前医生使用的名为儿童行为核查单（Child Behavior Checklist）的诊断办法，上述机器算法识别「内在失调」孩子的准确性要更高。儿童行为核查单是一项需要父母完成的问答识别法，其中包含了 120 条同孩子行为问题有关的问题。
一位参与上述研究的临床心理学家艾伦·麦金尼斯向记者说到：「过去我们需要花上数周甚至数月事件才能完成的工作，现在通过可穿戴运动传感器只要几分钟就可以完成。」
研究人员计划对上述算法进行完善以使其可以完成更大规模的任务，同时他们还计划将声音分析等其他数据加入算法之中，以提升识别结果的特殊性。
按照最理想的状态，这套系统最终能够识别不同行为（比如焦虑和抑郁）之间的差异。从长远期来看，研究人员希望上述技术能够被引入学校，帮助快速识别哪些学生需要特别协助，其甚至可以进入医生诊室作为孩子标准化发育的评价。
