Always、Completely、Nothing:從語言習慣看出你的抑鬱症狀

A+A-
電影「公投飯票」的故事女主角為一名抑鬱症康復者。

世界衛生組織估計,目前全球有超過 3 億人患有抑鬱症,自 2005 年以來,人數增加了 18% 以上。不同個案一再說明,抑鬱症會改變患者的一切行動習慣,從他們的睡眠到言行,還有跟其他人的相處,尤其說話和表達自己的方式,有時會產生強烈和顯而易見的「抑鬱語言language of depression)」。

長久以來,科學家試圖證實抑鬱症和語言之間的確切關係,傳統上,研究人員會透過閱讀和做筆記,為調查對象進行分析。但如今大數據時代,幾分鐘時間就可以用電腦完成有關的文本分析。這促使人們發現過去可能遺漏的語言特徵、計算單詞和詞類的使用頻率、詞彙多樣性、平均句子長度以及許多語言上的指標。

最近一份在「臨床心理學Clinical Psychological Science)」期刊上發表的研究提到,擁有抑鬱症狀和沒有症狀的常人之間,其語言習慣有明顯和普遍性的差異。有一些詞彙,已可以幫助準確預測某人是否患有抑鬱症。

在說話主題和陳述的內容上,較易察覺的不同之處,是那些患上抑鬱症的人,會時常使用大量負面的形容詞和副詞(例如孤獨、哀傷和悲慘),以傳達內心的負面情緒。這一點大部分人都能理解,同樣地,如何運用代詞也是「抑鬱語言」的通例。有抑鬱症症狀的人,傾向使用更多第一人稱單數代詞,例如「我」、「本人」,與此同時,則顯著減少使用「你」、「他」、「他們」等第二和第三人稱代詞。

對代詞的使用喜好,或表明了抑鬱症患者更關注自己,與其他人聯繫更少,而且,負面情緒詞語或出於無病呻吟、裝憂鬱的心態。研究人員報告認為,以代詞使用頻率識別是否有抑鬱傾向,實際上比負面情緒詞語更可靠。

但是,如此並不能確定它所反映的,是抑鬱症患者的關注點與常人有別,還是思維方式有別。這是一個雞和雞蛋的問題:是抑鬱症(思維方式)導致人們只專注於自己,減少與他人聯繫;還是那些專注於自己(關注點)的人更有機會出現抑鬱症症狀?

電影「少年自讀日記」劇照。

另一方面,調查團隊又鎖定了 64 個不同類型的「心靈健康」網上討論區,及超過 6,400 名會員,對他們在網頁上的文章進行大數據文本分析。他們發現,比代詞或負面情緒詞更明顯的標記,是行文風格會慣常使用「絕對性詞彙」,即是 alwayscompletelyconstantlydefinitelymustnevernothing…… 研究認為,與另外 19 個普通網上討論區相比,這類「絕對性詞彙」在聚集焦慮和抑鬱者的網上討論區,使用率會增加 50%,而在自殺討論區更高出 80%。這也符合他們最初的預測,那些患有抑鬱症的人對世界有著更多非黑即白的觀點,並且這將體現在他們的語言風格上,「絕對性詞彙」反映了在對方心目中,好壞「永遠」對立,對事情看法「必然」兩極。

更耐人尋味的是,研究團隊也調查了聚集抑鬱症康復者的討論區。那些認為自己已從抑鬱症康復過來的會員,會熱衷於撰寫一些積極的、勵志性質的文章,鼓勵其他人克服心魔。在這些討論區,出於更為著意的經營,積極情緒詞彙的使用率大幅提高了 70%儘管如此,當中的「絕對性詞彙」出現頻率,還是顯著高於一般網上討論區(僅略為低於其他焦慮和抑鬱網上討論區)。很殘酷的說法,那些曾經患有抑鬱症的人,的確更有可能再次復發。即使他們目前再沒有抑鬱症的症狀,甚至擁抱積極主義,不斷鼓勵別人擺脫抑鬱症,但團隊認為,觀乎他們更傾向於「絕對性詞彙」,這可能是個抑鬱症潛在發作的警號。

研究認為,對「抑鬱語言」的破譯,除了幫助我們理解抑鬱症患者的思維方式,亦具備其他實際意義。研究人員正打算將自動文本分析與人工智能學習系統結合,對普羅大眾的文章樣本(例如博客的發文)進行心理健康狀況評估。進一步而言,隨著更多文本數據和更為複雜的演算法,假以時日,人工智能檢定可能比訓練有素的心理治療師更有效率。

開發出更多的測量工具,以便及早發現抑鬱症,對於改善患者的心理健康和防止悲劇性自殺,無疑是非常重要的。然而,儘管抑鬱症患者有一套鮮明的「抑鬱語言」,但以大數據作文本分析的隱憂亦相當明顯,當數據指示了某對象擁有抑鬱症症狀,這又引發雞與雞蛋的問題:對方可能只是熟悉和慣於使用「抑鬱語言」表達自己,而並非實際上患上抑鬱症。