机器学习再次于医疗界刷存在感！

近日，哈佛大学的Andrew Reece和佛蒙特大学的Christopher Danforth合作开发了一种算法，该算法能通过分析一个人发布在Instagram的照片，判定这个人是否有抑郁症，其准确率还很高。

该算法基于每张照片中的人脸数量、着色、鲜艳度和亮度来分析照片，以找出哪些图片属性符合抑郁症患者分享的照片。该算法利用分析色调、面部识别和饱和度等特点得到的结果，比人们用快乐、悲伤和好感度等照片属性来分析要准确得多。

据2009年的一项研究显示，5万名患者中仅有一半被正确诊断出抑郁症，误报与漏报比更是达到了3:1。在误诊率如此之高的情况下，相信该算法的出现会为医师们分担部分压力，从而降低抑郁症的误诊率。

此外，说起抑郁症的诊断，这已经不是第一个用来进行诊断的算法了。此前，南加州大学的研究人员开发出了一种基于机器学习技术的工具SimSensei，它通过对人们声音的分析，就可以诊断出人们是否患有抑郁症，并且也已经有了不错的效果。

虽然这两种算法都可以诊断抑郁症，在准确率方面，由于没有数据我们无从比较，但在便捷性与范围上面，Andrew的这套算法赢了。

用声音进行诊断的前提是要有声音，这就要求患者必须到医院进行诊断，而Andrew的这套算法可以装载在Instagram等社交软件上，不需要人们前往医院，而且每时每刻都可以进行预测。不过，若真的装载在了社交软件上，隐私性就成了一个必须保证的问题。

目前，该研究已经发布在arxiv.org，有兴趣的朋友可以前往一看。