Deep Learning Characterizes Depression and Suicidal Ideation from Eye Movements

要約

精神的健康状態のための生理学的および行動マーカーを特定することは、精神医学における長年の課題です。
特にうつ病と自殺念慮は、主に自己報告や臨床インタビューに依存してスクリーニングと診断を伴う客観的なバイオマーカーを欠いています。
ここでは、スクリーニング目的のための潜在的なマーカーモダリティとして目の追跡を調査します。
目の動きは、ニューロンのネットワークによって直接変調され、注意と気分に関連するパターンに関連しています。
ただし、うつ病と自殺の予測値は不明のままです。
126人の若い成人が感情文に読んで応答したときに視線追跡シーケンスを記録し、その後、臨床状態を予測するために深い学習フレームワークを開発しました。
提案されたモデルには、肯定的および否定的な感情の試験のための個別の枝が含まれており、2D時系列表現を使用して、裁判内および裁判間の両方のバリエーションを説明しました。
健康なコントロールに対して0.793（95％CI：0.765-0.819）のレシーバー動作曲線（AUC）の下の領域を使用して、特に0.826 AUC（95％CI：0.797-0.852）に対して、うつ病と自殺念慮を特定することができました。
このモデルは、0.609 AUC（95％CI 0.571-0.646）で、自殺参加者との抑うつを区別する際に中程度でありながら有意な精度を示しました。
識別パターンは、文の最終単語の開始時間と比較して、応答生成と比較してデータを評価する際に、より強く出現します。
最も顕著な効果は、うつ病と自殺の参加者に一致する、負の感情文で観察されました。
私たちの調査結果は、メンタルヘルス評価の客観的なツールとしての目の追跡を強調し、眼球運動制御に影響を与える認知プロセスに対する感情的刺激の調節的影響を強調しています。

要約(オリジナル)

Identifying physiological and behavioral markers for mental health conditions is a longstanding challenge in psychiatry. Depression and suicidal ideation, in particular, lack objective biomarkers, with screening and diagnosis primarily relying on self-reports and clinical interviews. Here, we investigate eye tracking as a potential marker modality for screening purposes. Eye movements are directly modulated by neuronal networks and have been associated with attentional and mood-related patterns; however, their predictive value for depression and suicidality remains unclear. We recorded eye-tracking sequences from 126 young adults as they read and responded to affective sentences, and subsequently developed a deep learning framework to predict their clinical status. The proposed model included separate branches for trials of positive and negative sentiment, and used 2D time-series representations to account for both intra-trial and inter-trial variations. We were able to identify depression and suicidal ideation with an area under the receiver operating curve (AUC) of 0.793 (95% CI: 0.765-0.819) against healthy controls, and suicidality specifically with 0.826 AUC (95% CI: 0.797-0.852). The model also exhibited moderate, yet significant, accuracy in differentiating depressed from suicidal participants, with 0.609 AUC (95% CI 0.571-0.646). Discriminative patterns emerge more strongly when assessing the data relative to response generation than relative to the onset time of the final word of the sentences. The most pronounced effects were observed for negative-sentiment sentences, that are congruent to depressed and suicidal participants. Our findings highlight eye tracking as an objective tool for mental health assessment and underscore the modulatory impact of emotional stimuli on cognitive processes affecting oculomotor control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google