管理工程系颜志军教授主持的国家自然科学基金委重点国际（地区）合作研究项目“移动互联环境下抑郁症主动智能筛查、评估、干预方法和隐私保护机制研究”的最新研究成果《Digital Phenotyping-based Depression Detection in the Presence of Comorbidity: An Uncertainty Reasoning Approach》近日发表于信息系统国际顶级期刊《Journal of Management Information Systems》。该研究提出了一个不确定性推理方法，探索了并发症情况下基于数字表型的抑郁症检测方法。该研究成果由伟德国际官网颜志军教授团队与北卡罗莱纳大学夏洛特分校Dongsong Zhang教授合作完成。

抑郁症是一个日益严重的健康和社会问题，造成了严重的经济和健康损失。抑郁症的检测和诊断一直非常具有挑战性，特别是对于同时患有其他并发症的患者。数字表型是使用传感器收集用户行为数据检测心理疾病的技术，已成为抑郁症自动检测领域非常有前景的工具。然而，现有的基于数字表型的抑郁症检测方法没有考虑到抑郁症和其他并发症之间共享的相似症状引起的诊断不确定性，这可能会对检测准确性产生负面影响。本文提出了一种新的深度学习模型，该模型处理和融合来自多个传感器的数据，并基于证据理论解决诊断的不确定性问题。实验结果表明，本文提出的模型比现有模型有更好的性能。该项工作提出一种新的基于人工智能的不确定性问题处理方法，提高了并发症请境下的抑郁症检测的准确性，为设计科学和心理健康研究做出了重要贡献。

【期刊介绍】

《Journal of Management Information Systems》是金融时报评定出的50本商学院顶级期刊之一（Financial Times 50 Journals，简称FT50）。FT50用于评估商学院的研究能力，在国际上具有极高的认可度，是金融时报对商学院进行排名的重要依据，其包括的期刊覆盖经济学、战略管理、组织与人力资源、运营管理、信息管理、财务会计、金融等多个领域。

Fei Peng, Dongsong Zhang, Zhijun Yan (2024) Digital Phenotyping-based Depression Detection in the Presence of Comorbidity: An Uncertainty Reasoning Approach, Journal of Management Information Systems, 41:4, 931-957, DOI: 10.1080/07421222.2024.2415770