导读
今年8月份，来自哈佛大学与佛蒙特大学的研究人员通过机器学习的方法建立了一个可以利用Instagram （注：instagram是一个基于照片分享的社交平台，类似于我们微信朋友圈）上发布的照片来检测一个人是否患有抑郁症的模型，准确率高达70%。
研究人员假设，仅通过用户在Instagram上传的图片和相关元数据分析，可以将患有抑郁症的用户和心理健康的用户区分开来。研究人员认为，Instagram上的图片含有大量的可以用于心理洞察的特征分析，照片的内容可以被编码为定量特性，比如说对图片进行像素级的评估，包括颜色和亮度值。同时，Instagram平台上的元数据提供了额外的信息：这张图片收到评论了吗？得到了多少「赞」？并且，用户使用和上传图片的频率，也可以作为评估用户心理状态的线索。
为了避免选取的研究者因诊断为「抑郁症」而干扰研究结果，研究人员选取的166 人在 Instagram 发布的 43950张照片均是在研究对象抑郁症诊断之前的照片。但研究者遇到一个难题：建立的分析模型可以对图片的像素进行分析、对图片出现的面部进行检测，可以达到规模化、自动生成，无需额外的人力投入，但如何教会机器从一堆「悲伤」的图片中挑选出一张「开心」的图片呢？
为了解决这个问题，研究者建立了四个指标：开心、悲伤、有趣、可爱。通过人工评估的方法，将人们对图片的印象进行直观化、量化，并建立了与抑郁症的指标。
最终研究的结果是，情绪的确和视觉偏好相关。患抑郁症的用户显然更喜欢蓝色、灰色的或者一些深色的色调，更少地使用Instagram的滤镜，如果使用滤镜，则更偏向Inkwell滤镜，这种滤镜可以图片转为黑白图片。相比之下，心理健康的用户，往往更喜欢使用一些明亮的色调，也更喜欢使用滤镜，比如像Valencia滤镜这种可以增加图片亮度的滤镜。
图1为原图，图2为加了Inkwell滤镜的图片，图3为加了Valencia滤镜的图片
同时，患有抑郁症的用户很少获得「赞」，更喜欢上传包含自己面孔的图片，但平均每张图片中出现其他人面孔较少，这也符合抑郁症患者通常都在较小的社会环境中互动的情况。
虽然这个分析模型只是一个雏形，但是它为如何利用社交媒体上的图片来进行精神疾病的早期筛查和检测提供了新思路。
参考文献：
【1】http：//www.wired.co.uk/article/instagram-tool-tackles-self-harm-and-provides-support
【2】http：//www.wired.co.uk/article/ai-instagram-diagnose-depression
【3】Andrew G. Reece， Christopher M. Danforth.Instagram photos reveal predictive markers of depression.arXiv：1608.03282
