抑郁症是最常见的精神疾病之一，影响着全球超过3亿人，此外，在当前网络环境中，总有网友一言不合就自称抑郁，因此，对于抑郁的诊断十分重要。
近日，一项关于抑郁症诊断的新研究发表在《精神病学前沿》杂志上，题为“Detecting Depression Through Gait data: Examining the Contribution of Gait Features in Recognizing Depression”，探讨了抑郁症与步态特征之间的关系，以协助诊断抑郁症。
在这一研究中，数据集包括121名健康人士和126名抑郁症患者，他们是由精神病医生根据《精神障碍诊断和统计手册》诊断出来的，所有被试在6米×1米的人行道上自然地来回行走两分钟。
基于微软Kinect (Version 2)记录了247名参与者的行走数据，提取时空、时间域和频域特征，采用多元逻辑回归分析时空(12.55%)、时域(58.36%)、和频域特征(60.71%)分别对基于Nagelkerkes R2测量识别抑郁症的影响。利用支持向量机算法建立机器学习模型，进一步探讨不同类型特征的贡献。三种步态特征的组合分别作为机器学习模型的训练数据。
结果表明，仅使用时域和频域特征训练的模型与使用所有特征训练的模型表现出相同的最佳性能(灵敏度= 0.94，特异性= 0.91，AUC = 0.93)。这些结果表明，通过步态分析可以有效地识别抑郁症。这种方法向开发低成本、非侵入性的实时抑郁症识别解决方案迈进了一步。