据世界卫生组织统计，目前世界范围内预计有超过3亿人饱受抑郁症的困扰。
谷歌母公司Alphabet的X LAB刚刚发布了一个被称作“Amber”的项目，该项目旨在使用AI诊断脑电波引起的抑郁症，让脑电波像血糖一样容易理解。其目的是开发出抑郁和焦虑的客观测量值，以用于支持诊断、治疗和治疗抑郁症。
据估算，2019年，中国泛抑郁人数超过9500万人，每年约有100万人自杀或者尝试自杀。据美国国立卫生研究院(U.S. National Institutes of Health)统计，美国约有1730万成年人至少有过一次严重的抑郁症发作。此外，从2016-2017年间到2017-2018年间，美国有过严重自杀想法的成年人比例上升了0.15%。
但是在1000种可能的症状组合中，抑郁症在不同的人身上表现不同。今天的抑郁症评估主要依靠与临床医生的交谈或PHQ-9或GAD-7等调查。
谷歌Amber团队试图将机器学习技术与脑电图(EEG)相结合，以测量大脑的电活动。相关灵感来自大脑在游戏任务中，衡量大脑奖励系统的处理过程的反应，与不抑郁的人相比，在赢了一场比赛后，抑郁的人的大脑反应较弱。
X LAB并不是第一个将机器学习算法应用于脑电图读数的公司。在去年4月发表的一篇论文中，IBM的研究人员声称已经开发出一种算法，可以对癫痫发作进行分类，准确率高达98.4%。事实上，脑电图已被广泛用于研究吞咽、分类精神状态、诊断神经精神疾病，如神经源性疼痛和癫痫，以及分类情绪。
Amber团队花了三年时间创造了一个低成本、便携、研究级的系统，旨在更容易地收集脑电图数据。
这款耳机看起来像一顶游泳帽，大约需要3分钟时间来配置，它使用了沿中线Fz、Cz和Pz的三个传感器(用于评估奖励和认知功能的关键通道或电极)。配备可支持32个通道的生物放大器，可用于采集静息状态脑电图和事件相关电位，并通过软件对脑电图测量任务进行时间锁定。
除了耳机，Amber团队还探索了机器学习的新方法，以减少脑电图记录中不必要的噪音。他们与Alphabet的深度学习研究实验室DeepMind合作，采用了无监督表示学习的方法，证明可以利用自动编码器等方法，在没有人参与的情况下去除脑电图信号。(自动编码器通过忽略杂音来学习数据集的表示。)
此外，Amber团队还提供了一个概念证明，即有可能提取出与心理健康相关的特征，用于预测重度抑郁症和广泛性焦虑症等临床标签。
“这些方法能够从单一的脑电图试验中恢复可用的信号，”X LAB负责人Obi Felten在一篇博客文章中解释道。“这意味着，从脑电生理学中获得临床有用的信息是有可能的，而数据样本要比传统研究实验室中使用的少得多。一般传统研究实验室通常需要数百个实验试验做支持。”
Amber团队最终未能找到抑郁症和焦虑症的单一生物标记。然而，尽管他们遇到了挫折，他们还是在GitHub上发布了他们开发的开源硬件设计、可视化工具和刺激工具。
今天，耳机和软件已经与佛罗里达州立大学进行的一项研究的结果一起发布。此外，Amber团队承诺不保留其对Amber硬件的专利，并向Sapien实验室捐赠50个未使用的脑电图耳机，该实验室运行着人类大脑多样性项目，支持低收入国家和代表性不足的群体的脑电图研究。
Github链接：
https://github.com/google/x-amber
“我们希望我们的脑电图系统的开源和我们的机器学习技术不仅对脑电图专家有价值，而且对更广泛的心理健康研究社区也有价值，”Felten写道。“在现实世界中，要想用技术支持心理健康测量并发挥作用，实际上困难重重，需要做更多的研究……解决今天的挑战将需要科学家、临床医生、技术人员、政策制定者和有生活经验的个人之间建立新的合作关系。”
相关报道：
https://venturebeat.com/2020/11/02/alphabets-project-amber-leverages-ai-to-identify-brain-wave-data-relevant-to-anxiety-and-depression/
