李飞飞新论文「AI医生」诊断抑郁症，准确率超过80%，可移植到手机端

李飞飞团队研发的「AI医生」通过多模态技术诊断抑郁症，准确率超过80%（Precision达83.3%，Recall达82.6%），且模型可部署至手机端，降低诊断门槛。以下是具体技术解析与成果亮点：一、技术原理：模拟医生诊断逻辑AI诊断的核心在于复现医生通过表情、语言和肢体动作判断抑郁症的过程。团队结合语音识别、计算机视觉、自然语言处理三大技术，分析以下特征：语音特征：语调单一、音量低、停顿时间长（抑郁症患者说话节奏更慢）。视觉特征：手势少、低头向下看等肢体动作。文本特征：通过访谈录音转写的文字内容，结合患者健康问卷（PHQ）评分。模型输入包含3D面部关键点视频、音频、转写文本三类数据，输出PHQ评分或分类标签。二、模型架构：双模块协同工作句子级嵌入（Sentence-Level Embeddings）传统方法嵌入音节或单词（仅捕捉几百毫秒），而该模块嵌入整个句子，整合声音、视觉和语言的长时序信息。示例：通过多模态数据捕捉患者“低头+语调平缓+手势少”的组合特征。因果卷积网络（C-CNN）针对抑郁症患者说话慢、句子长的特点，C-CNN比RNN更擅长处理长时序依赖。优势：无需特征工程，可直接输入原始数据（如音频的log-mel光谱图、视频的3D面部关键点）。三、实验效果：超越前人研究数据集：使用DAIC-WOZ数据集（142名患者PHQ评分、189次访谈、50小时数据）。对比结果：前人研究依赖预先访谈记录，而该模型仅需原始数据，背景信息更少。实验显示，多模态输入（音频+视频+文本）的准确率显著高于单模态（如仅音频或文本）。四、应用价值：突破诊断障碍可移植性：模型部署至手机端，解决“没钱”“没时间”“病耻感”等现实问题。学术认可：入选NeurIPS 2018医疗健康机器学习Workshop。社会意义：全球超3亿抑郁症患者中60%未接受治疗，AI提供低成本、隐私保护的筛查方案。五、论文与团队论文标题：Measuring Depression Symptom Severity from Spoken Language and 3D Facial Expressions作者：Albert Haque, Michelle Guo, Adam S Miner, 李飞飞链接：https://arxiv.org/abs/1811.08592该研究通过创新的多模态融合与长时序建模，为抑郁症筛查提供了高效、可及的AI解决方案。