用社交媒体上的信息去分析用户的精神状况已经不是一件新鲜事了，很多学者已经通过这种方式检测出了一些负面的精神状况，这些都是基于文本分析完成的；而最近哈佛大学和佛蒙特大学主导的一项研究，则通过对Instagram上的照片分析，完成了相关研究，这是首次通过分析图像对用户的精神状况进行评估。

　　之所以选择Instagram 作为分析样本的来源，是因为目前Instagram 的月活用户超过了7 亿，每天都有超过1 亿张图片被发表，而其用户的增长数量甚至超过了Twitter、YouTube、LinkedIn、Facebook 等大型社交媒体，这为学者的研究提供了巨大的数据库和样本来源。

　　这项研究基于一个重要的假设：抑郁症患者发布的图片的风格、以及发布的频率，与精神状态健康的人有着明显的区分。为了进行精确的研究，学者融合了机器学习、面部检测、图像分析、色彩对比等分析方法，收集了43950 张照片的数据信息。这些照片来自于166 位Instagram 用户，其中71 位有抑郁症病史。

　　通过对照片的色调、亮度以及滤镜的分析，显示抑郁者患者发布照片的频率更高，色调明显偏暗，多为蓝色、灰色色调，色系都比较深；而精神状态健康的人则更喜欢色彩明亮的颜色。其次，抑郁者患者使用滤镜的次数明显较少，使用的话也以Inkwell 最多，这种滤镜让照片呈现黑白色；而Valencia 成为精神状态健康的人最喜欢用的滤镜，这种滤镜可以让照片的色彩更加明亮。

　　另外，基于抑郁症患者社交活动更少的特点，学者还对照片进行了面部检测。结果发现，抑郁症患者发布的照片人像以特写为主，但是人数很少，而精神状态健康的人则刚好相反：因为有更丰富的社交活动，他们的照片上同伴会更多。

　　值得注意的是，这项研究之后，机器学习形成的模型对抑郁者检测的成功率，明显高于普通的医生。这是因为，这项研究还考虑到了一个重要因素：抑郁症诊断结果是否对用户的照片发布产生了影响，也就是说，在抑郁症诊断结果出来之后，用户的发布习惯是不是会受自身是抑郁症患者这一自我认知的影响，而研究的结果是：并不会，所以这个模型对于抑郁症的预测也有很大的作用。当然，普通医生也不用急着哭。这项研究的样本数量偏少，而且这些用户还得在Instagram 上有很高的活跃度，所以说并不一定适用于所有人。不过，这项研究里面所用到的技术，未来临床精神疾病的研究提供了新途径。是不是觉得很高大上？