抑郁症相关检测与 AI 分析
面向抑郁症早期初筛，研究从血脂、血糖等常规体检指标中探索与抑郁症的潜在关联，并利用人工智能分析体检数据。
基于血常规检测的 AI 软件可在本地单机运行，无需联网或上传数据；另有基于靶向代谢组学的检测试剂盒研究，用于探索抑郁症分型与精准治疗。
研究设计了基于 Transformer 的数据建模方法，并针对复杂体检数据提出特征正则化方案。研究对数据处理流程及传统机器学习方法进行分析，同时比较 MLP、CNN 和 Transformer 等深度学习架构，累计构建并测试超过 300 组模型，在多个大规模数据集上开展验证。
特征正则化方法用于增强模型对复杂数据的建模能力，下图展示了该方法的结构。
目前正在珠海和广西南宁两家三甲医院开展多中心临床试验，累计诊断患者 4000 多人。资料称，仅依靠血常规指标，在国外约 20 万人及国内 4000 多人的数据中，诊断准确率可达到 85.7%。
基于血常规检测的 AI 抑郁症诊断系统软件，资料所述全年龄段准确率为 85.2%，40 岁以下人群准确率超过 90%。软件支持本地单机运行，不需要联网或上传数据，也无需购置大型检测设备。
基于新一代靶向代谢组学的抑郁症检测试剂盒，需要通过高效液相串联质谱测定血清代谢组，主要用于确定抑郁症亚型，指导用药和精准治疗。