基于多模态特征融合与大模型技术的抑郁症评估系统

20241222

本产品旨在研究并实现一种基于多模态大模型驱动的抑郁症评估与分类系统。 产品整体设计思路： 本产品包含便携硬件设备与AI算法与应用软件界面。通过可穿戴生理传感器，精准采集EEG、ECG，并调用AI算法进行分析，准确评估个体的抑郁症指标级别（健康、轻度、中度、中度），输出压力水平、焦虑状态等辅助指标；将长期监测与分析结果进行记录，形成个体的多模态大数据，帮助医生更快速掌握治疗进度和及时调整策略，帮助患者更快恢复正常生活。 产品构成： 产品设计路线包括： (1)临床生理指标及时准确的采集。采集模块包括多模态传感器、硬件采集系统、底层驱动软件与嵌入式算法、上层采集软件； (2)采集信号预处理模块，去除伪迹噪声。如滤波器（低通滤波器、高通滤波器、带阻滤波器、带通滤波器）、信号分析（PCA、ICA）等模块可供医生进行调用与效果对比； (3)对预处理后的信号进行特征提取与特征融合。内嵌多模态数据融合算法可供医生调用； (4)多模态大模型训练工具，调用多个混合神经网络，有效识别抑郁状态分级及辅助指标，输出诊断报告。交互界面：提供直观友好的用户界面，清晰展示诊断结果，便于用户理解和操作。 关键作用机制及功能： (1)针对目前生物信号采集样本量有限，数据容错率低的问题，设计一种高效的信号预处理算法，减少噪声和冗余信息，提高信号质量和特征提取的准确性。本产品针对微弱时序信号的特点，通过可穿戴生理传感器，精准采集头皮脑电信号、心电信号，避免产生和设法消除信号中的伪迹。 (2)针对当前主流脑电特征提取方法表现单一，且通过增加样本来提高准确率的效果不佳的问题，设计一种基于EEG-HRV的特征融合策略。脑部不同脑区之间具有空间相关性，这与EEG电极位置体现的高空间分辨率在脑区上进行优势互补联系，而 EEG信号的不同波段在时域上也与HRV的频域成分具有相关性。将预处理后的EEG信号与ECG信号进行时序上的加权融合，对EEG信号按照特定的时间窗计算动态脑功能连接并计算邻接矩阵，建立 HRV与EEG的相关性矩阵，促进头部的真实建模，同时也降低正向计算误差，既保证了高时间分辨率又在空间上进行了补正，从而做到对抑郁症类型的精细划分。 (3)针对当前抑郁症的发病机制不明确，且抑郁类型多样的问题。提出一种或多种数字标志物，根据融合策略生成多种抑郁相关的数字标志物，并通过统计学等方法，验证得到有效的数字标志物用于抑郁症诊断筛查，填补了国内针对抑郁症诊断采纳的有效数字标志物的空白。 (4)针对目前研究反馈系统算法结构复杂，解析时间慢，算法类型单一精确度低的问题，提出一种高性能的多混合神经网络作为分类器，降低网络模型的空间复杂度与模型训练的时间复杂度，解决实时反馈系统中的识别精度与算法复杂度的平衡问题。 研究方案：本项目的数据集通过公共数据集与实验室数据集两种综合分析。

市场规模：据世界卫生组织2021年统计，全球预计现有4.2亿人患有抑郁症，我国在2021年《柳叶刀》披露：中国泛抑郁人数超过9500万人，平均每11人中就有1个人抑郁，预计到2030年，抑郁症将成为世界第一大负担疾病。从门诊量来看，北京安定医院年门诊量75万余人，其中抑郁症相关占比约40%，大约每年30万人次门诊量。患者每年的治疗费用约5000元至2万元，故我国每年抑郁症诊疗市场为万亿级别，市场潜力巨大。 市场格局、竞品或技术稀缺性：当前市场上的精神疾病诊断产品，多数仍以单一数据模态为主，缺乏多模态数据的综合分析能力，且没有基于多模态大模型进行抑郁症诊断的医疗器械产品。在精神疾病诊断的模型分类精度方面，本项目提出的技术具有明显优势，高于现有主流行业精度。 预估市场占有率：由于市场需求旺盛，又有权威Top级行业医院的专家级临床数据验证加持，基于多模态数据的精神疾病诊断产品在技术上具有一定的稀缺性，有望在市场占有率中获得主导地位。初期可能会面临竞品较多的竞争局面，但凭借先进的技术、明确的临床需求和全面的服务，产品有望获得占有且稳定的市场份额。 商业模式：产品市场前景广阔，即可作为社会筛查产品，也可作为医生临床辅助诊疗工具。主营业务包括：(1)精神疾病（抑郁症）筛查服务；(2)远程视觉文字大模型服务；(3)大数据云平台服务；(4)疗效验证平台。 盈利模式：面对近一亿人的万亿级别市场，产品主要盈利方式包括销售产品、提供订阅服务和收取数据分析费用等。同时，还可以通过向医疗机构和个人用户提供增值服务来获取额外收入。 (1)产品销售盈利：市面上各种精神疾病诊断产品价格差异较大。按照脑机接口设备的价格区间，市场上16导联硬件设备（非医疗器械）售价在10-30万元，医疗器械售价会更高。预计未来产品售价50-80万元，全国精神卫生医疗服务机构近6000家，按照市场占有率20%，每家医院采购两台，合计9.6亿元。 (2) 订阅服务和收取数据分析盈利：本项目产品中AI软件算法平台适用于其他品牌的脑电图机，具有广泛的应用场景和用户需求，可开放给ToB端的客户和厂商用于个性化的模型训练与AI算法调用，预计单次收费50元，每家医院按全年调用2万次计算，每个客户年服务收费100万元，按照医院数量合计每年12亿元数据服务费。 利润空间：精神疾病诊断产品具有较高的利润空间，尤其该产品拥有完全自主知识产权，自主可控，毛利率高于50%，在产品技术领先的情况下，通过不断提升产品性能和服务水平，产品有望实现可观的利润增长。 销售渠道：主要包括直销、线上销售、医疗机构合作等多种方式。针对不同的用户群体和市场需求，产品可以选择合适的销售渠道。 产品升级计划：为满足不断变化的市场需求和用户需求，产品可以通过引入新的数据分析算法、优化用户界面、提升数据安全性等方式，不断提升产品的竞争力和市场地位。

完成产品一期、二期研发。取得了中国康复医学会科学技术三等奖，并在中国康复研究中心、北工大学生心理指导中心完成验证，多次登上新闻联播，央视频、36氪等主流媒体。,研发阶段：本产品从2020年1月（疫情初期）开始研发，四年中经历了三次技术迭代，其科学样机已于2021年6月完成；2023年，二代技术结合稀疏表示建立半监督学习模型实现小样本EEG数据下的高精度识别高性能、高精度AI模型，数据采集过程更简单快速（静息态下3-5分钟）；2024年，三代技术融合多模态生理指标，建立特征融合大模型，满足个体差异，高鲁棒性。年初通过了医疗器械专业检测机构的摸底测试，全部指标合格且优于现有国标。 已取得成果： (1)目前已经完成抑郁症相关疾病的5个模型，分类精度（如前所述）均优于现有主流方法或行业精度； (2)凭借在脑机接口硬件设备的采集精度与算法上的显著优势，项目团队在2022年获得中国康复医学会科学技术三等奖。2023年获得中国残联研究课题，2024年获得首都卫生发展科研专项项目； (3)项目团队先后获得针对EEG采集的中国康复研究中心出具的临床证明及针对抑郁症识别精度的北京工业大学学生心理发展中心出具的应用成果证明。 (4)项目团队成果多次受邀参加北京科技周、世界机器人大会、中关村论坛等颇具影响的展览及会议，并多次被新闻联播、央视频直播、36氪等主流媒体报道。 目前正在申请20项以上的国家（国际）发明专利和相关知识产权。未来计划2024年8月申报型检（医疗器械二类）、同年10月开始临床试验、2027年申请医疗器械注册（三类）、2027年四季度实现市场销售和量产。见图4。

(1)抑郁症防治具有重大需求。抑郁症是最常见的精神障碍之一，以显著且持久的心境低落、意志活动减退为主要临床特征，伴有不同程度的认知和行为改变。新冠疫情前流行病学调查显示，全球抑郁症终身患病率约10-15%，我国抑郁障碍的终生患病率为6.8%，抑郁障碍患者约9500万。新冠疫情后，全球精神障碍疾病负担更加沉重，抑郁症和焦虑症的病例分别增加了27.6%和25.6%，抑郁症患者激增5300万，且主要为青少年和女性。世界卫生组织（WHO）报告中指出，预计到 2030 年，抑郁症将成为世界第一大负担疾病。 (2)现实中抑郁症的评估手段存在困境。针对抑郁症发病率高，疾病负担沉重，但识别率低、治疗率低、复发率高的现状，国内外指南均强调抑郁症应开展基于评估的治疗（Measurement-Based Care，MBC），MBC的实用性和有效性已被广泛验证。由于抑郁症的确切发病机制仍不清楚，导致抑郁症诊断过分依赖于临床症状，仅使用临床量表及精神检查问询等方法，极度依赖医生的主观判断与经验，客观筛查手段缺乏。 (3)我国精神卫生诊疗资源不足，分布不均衡。截至2021 年年底，我国精神科医生数量仅6.4万人，只占全国医师数量(428.7万人)的1.49%，优秀医生资源严重缺乏，在精神科广泛使用的量表工具也因为主观性强，易受到患者配合度、文化水平等影响不能很好的满足临床诊疗的需要。这些专业人才的数量远远无法满足患者数量的增长速度，致使大量患者无法接受充分的专业性评估。 (4)数据封闭。生理信号采集设备品牌、型号不同，采集条件和精度不同，导致各设备数据相对封闭，不利于垂类大模型的构建。 综上所述，抑郁症状的特点及评估现状难以满足海量的临床需求，亟需借助新的技术手段寻求突破，实现临床认可、具有实用性的抑郁症状客观评估手段。,为抑郁症提供客观检测手段。 痛点与问题：(1)抑郁症防治具有重大需求，疾病负担居精神疾病之首；(2)传统检测手段依靠医生经验+量表，主观性强，难以标准化和广覆盖；(3)各设备间数据封闭，不利于垂类大模型构建。亟需临床认可、具有实用性的抑郁症客观检测手段。 (1)特征级融合策略创新，支撑临床诊断技术突破； (2)模型级自适应机制创新，解决精准诊断难题； (3)架构级模式创新，降本增效。