神经科学与心理学2016arxiv.org
Instagram 照片揭示抑郁症的预测标记
Instagram photos reveal predictive markers of depression
入门 · 约 45 分钟读完前置知识：机器学习基础、统计学基础
导读
这篇论文研究能否从 Instagram 照片特征预测用户抑郁。作者用贝叶斯特征提取和随机森林分类，发现更蓝、更灰、更暗的色调以及照片中人脸更少等特征与抑郁相关，并称可在临床诊断前识别抑郁用户。评论也指出抑郁定义模糊、样本存在自选择偏差，以及若用同一批数据评估准确率会高估效果。
HN 关注点：HN 读者既关注机器学习预测心理健康的可行性与方法严谨性，也担心这类推断被用于招聘背景调查等隐私与歧视场景。
HN 评论精选
这几条评论里：支持 1 质疑 1 补充 1
支持方法总体扎实，蓝灰暗色调和少人脸可预测抑郁，但抑郁定义模糊且有自选择偏差。
我本来对此持怀疑态度，但分析看起来相当扎实。简言之：抑郁与发布更蓝、更灰、更暗的图片有相当强且可靠的相关性；这种预测性体现在用户被诊断前就能被识别。照片中出现的人脸数量也有指示性，每张照片人脸越少越与抑郁相关；评论数相关性较弱，点赞数呈负相关。通过 Mechanical Turk 雇佣的人也能较准确识别抑郁用户，但常与机器识别出不同的人。统计方法：无信息先验的贝叶斯特征提取，100 棵树的随机森林分类。需注意：抑郁是宽泛模糊的术语，作者承认这使问题复杂；还可能存在自选择偏差，因为用户须授权访问 Instagram 流，许多用户选择不参加。
erdevs查看英文原文
Well, I came in skeptical about this, but the analysis seems pretty solid. To;dr: fairly strong and reliable correlation between depression and posting images that are bluer, grayer and darker. This is predictive in that users can be identified as depressed before they are disgnosed. # of faces appearing in user pics was also indicative of depression. Fewer faces per picture correlated with depression. # of comments more weakly correlated with depression, and # of likes was negatively correlated. Mechanical Turk-tasked humans were also able to fairly accurately identify depressed users, but often identified different users than the machine. Statistical methods: Bayesian feature extraction with uninformed priors. 100-tree random forest for classification. Some points of caution: depression is a broad, fairly fuzzy term. The authors acknowledge that this complicates matters. Some self-selection bias possible, as users had to provide permission to access Instagram streams and many users opted not to.
补充担心此类预测被用于招聘背景调查和歧视。
这可能不是好事。永远记住，社交媒体被行业用来做背景调查。比如：我们一个求职者的心理健康评分较差？那就选另一个吧。
privateersman查看英文原文
This may not be a good thing. Always remember that social media is used by industry as a means of carrying out background checks. What's this? One of our job applicants has a poor mental health rating? Let's pick the other one instead.
质疑质疑未做交叉验证，预测准确率可能被高估。
在我看来，他们用拟合模型的同一批数据来估计预测准确率，这会高估准确率。更好的做法是用未参与拟合的数据评估准确率，也就是交叉验证。
plg查看英文原文
seems to me they used the same data that was used to fit the models, to estimate prediction accuracy. This overestimates prediction accuracy. It would be better to use data that was not used to fit the models to assess accuracy. This is known as cross validation
历次讨论
- 2016Hacker News 讨论帖157 分 · 52 评
同领域还值得读
神经科学家能理解微处理器吗？（2017）
Could a Neuroscientist Understand a Microprocessor? (2017)
提出一个思想实验：把神经科学常用的分析方法（损伤实验、电生理、功能定位等）应用到一个我们完全了解其原理的工程系统——6502 微处理器（运行游戏）上，检验这些方法能否真正“理解”…
神经科学与心理学2017 · 411 分 · 135 评进阶 · 约 60 分钟编辑精选大脑衰老呈现非线性转变，提示中年“关键窗口”
Brain aging shows nonlinear transitions, suggesting a midlife "critical window"
这篇 PNAS 论文研究大脑衰老的非线性变化，发现大脑老化并非匀速进行，而是在中年（约 40-60 岁）存在一个关键的"临界窗口期"，此时干预可能有效。
神经科学与心理学2025 · 295 分 · 159 评进阶 · 约 75 分钟编辑精选社交网络中大规模情绪传染的证据（2014）
Evidence of massive-scale emotional contagion through social networks (2014)
这篇 2014 年发表于 PNAS 的论文研究了 Facebook 上约 70 万用户的信息流中，减少正面或负面内容是否会传染性地影响用户自己发布内容的情绪。
神经科学与心理学2020 · 285 分 · 72 评入门 · 约 45 分钟编辑精选裸盖菇素使人类大脑去同步化
Psilocybin desynchronizes the human brain
这篇 Nature 研究用个体化的 fMRI 精密成像追踪受试者服用裸盖菇素（psilocybin）前后的脑功能连接变化，发现药物会造成大范围的脑网络「去同步化」，尤其是默认模式…
神经科学与心理学2024 · 273 分 · 259 评进阶 · 约 60 分钟编辑精选对智力的赞扬会削弱儿童的动机与表现（1998）
Praise for Intelligence Can Undermine Children's Motivation (1998)
这篇 1998 年的经典论文（Dweck 等人）通过实验研究表扬方式对儿童动机的影响：夸孩子“聪明”（表扬智力）会让他们回避挑战、害怕失败，而表扬努力则更能培养坚持性。
神经科学与心理学2016 · 253 分 · 155 评入门 · 约 45 分钟编辑精选