Zespół ze Szkoły Sztucznej Inteligencji Uniwersytetu Shenzhen opublikował 7 sierpnia w „Science Advances” pracę, w której model głębokiego uczenia wskazuje ryzyko depresji na cztery lata przed pojawieniem się objawów. Materiałem nie były chińskie dane, tylko europejska kohorta nastolatków badana rezonansem magnetycznym od 2007 roku.
Kluczowe fakty:
- Zespół ze Szkoły Sztucznej Inteligencji Uniwersytetu Shenzhen opublikował w „Science Advances" badanie, w którym model głębokiego uczenia przewiduje ryzyko depresji na cztery lata przed pojawieniem się objawów, na podstawie danych fMRI zebranych podczas zadania z rozpoznawaniem twarzy.
- Badanie oparto na europejskiej kohorcie projektu IMAGEN, śledzącej rozwój depresji u nastolatków od 2007 roku – analizie poddano dane 1332 osób w wieku 19 lat, a horyzont prognozy obejmował pojawienie się objawów w wieku 23 lat.
- Model wykorzystuje dwuścieżkową sieć neuronową odwzorowującą przetwarzanie wzrokowe w mózgu, a marker predykcyjny – tzw. wizualny kod złości – został dodatkowo zweryfikowany poprzez powiązanie z wariantem genetycznym i poligenicznym ryzykiem depresji.
Pomysł jest prostszy, niż brzmi. Ludzie bez depresji bez trudu odczytują zmiany emocji z cudzej twarzy i reagują adekwatnie, uśmiechem na uśmiech. Osoby z depresją tracą tę zdolność i częściej zakładają, że ktoś jest na nie zły. Chińscy badacze postanowili sprawdzić, czy ten mechanizm da się zmierzyć w mózgu, zanim ktokolwiek postawi diagnozę.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Europejskie dane, chiński model
Podstawą były dwa badania kliniczne prowadzone w kilku krajach europejskich. Główne z nich, IMAGEN, ruszyło w 2007 roku i śledziło rozwój objawów depresyjnych u nastolatków. Uczestnicy przechodzili badania kontrolne w wieku 16, 19 i 23 lat, na które składały się rezonans, testy krwi i kwestionariusze. Podczas skanowania pokazywano im twarze wyrażające złość, radość oraz twarze neutralne.
Zespół Han Lu przeanalizował dane funkcjonalnego rezonansu magnetycznego zebrane w wieku 19 lat od 1332 osób i wyciągnął z nich to, co nazywa wizualnym kodem złości. Potem zbudował dwuścieżkową sieć neuronową odwzorowującą sposób, w jaki mózg przetwarza informację wzrokową: jedna ścieżka koduje abstrakcyjne pojęcia emocjonalne, druga przetwarza surowy obraz.
Ta pierwsza steruje tą drugą. I tu zaczyna się cała historia.
- Kohorta wyjściowa: 1332 nastolatków, badanie fMRI podczas zadania z twarzami w wieku 19 lat
- Grupa prognostyczna: 725 osób bez klinicznie znaczących objawów emocjonalnych w wieku 19 lat
- Horyzont prognozy: objawy emocjonalne w wieku 23 lat, czyli cztery lata później
- Weryfikacja dodatkowa: związek markera z wariantem genetycznym oraz z poligenicznym ryzykiem depresji
- Publikacja: „Science Advances”, tom 12, numer 32, 7 sierpnia 2026 roku
Mózg, który zbyt mocno trzyma się własnych założeń
Autorzy używają terminu regularyzacja. Mózg wykorzystuje wiedzę abstrakcyjną, żeby uporządkować to, co widzą oczy, i dzięki temu rozpoznajemy emocje błyskawicznie. Kiedy jednak to sterowanie robi się zbyt sztywne, percepcja przestaje odzwierciedlać rzeczywistość i zaczyna odzwierciedlać negatywne pojęcia zapisane w głowie. Badacze nazwali ten stan nadmierną regularyzacją.
Eksperymenty perturbacyjne na modelu pokazały, że właśnie taki mechanizm odtwarza osłabione reprezentacje emocji obserwowane u nastolatków z objawami depresyjnymi. Osoby, których reakcja na wyraz twarzy była przechylona w stronę negatywnych emocji i wspomnień, najczęściej rozwijały później jakąś formę depresji.
Han Lu, profesor nadzwyczajny w Szkole Sztucznej Inteligencji Uniwersytetu Shenzhen, podsumował to w pracy jako „możliwy mechanizm łączący podatność genetyczną ze zmienionym postrzeganiem emocji” / „a possible mechanism linking genetic vulnerability to altered emotion perception”.
Ten wynik robi na mnie wrażenie i jednocześnie mnie niepokoi. Cztery lata wyprzedzenia to w psychiatrii wieku rozwojowego przepaść, bo tyle czasu wystarczy na zaplanowanie sensownej profilaktyki zamiast gaszenia pożaru. Ale zanim ktokolwiek nazwie to narzędziem przesiewowym, trzeba odpowiedzieć na pytanie, co właściwie zrobimy z informacją, że dziewiętnastolatek ma podwyższone ryzyko depresji za cztery lata.
W systemie, w którym na pierwszą wizytę u psychiatry dziecięcego czeka się miesiącami, wcześniejsze wykrycie ryzyka bez zbudowanej ścieżki pomocy zamienia się w etykietę. A etykieta potrafi zaszkodzić bardziej niż brak diagnozy. Pytam więc o kolejność: najpierw kadry i dostępność terapii, potem algorytm, czy odwrotnie?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Test specyficzności wypadł lepiej, niż się spodziewałem
Największą słabością markerów psychiatrycznych bywa to, że świecą się przy wszystkim. Han Lu zastosował swój wskaźnik do drugiego badania, STRATIFY, które porównywało depresję z innymi zaburzeniami psychicznymi, w tym z uzależnieniem od alkoholu, zaburzeniami odżywiania i nadużywaniem substancji.
W grupie ponad 400 nastolatków z różnymi postaciami obniżonego nastroju nieprawidłowe odczyty miały wyłącznie osoby z kliniczną diagnozą dużej depresji, czyli 134 uczestników. U pacjentów z objawami uzależnień, anoreksji czy bulimii wyniki niewiele różniły się od tych u osób bez oznak problemów psychicznych.
Marker rozróżnia więc jednostki chorobowe, a nie ogólne cierpienie psychiczne. To rzadkie i moim zdaniem ważniejsze niż sama liczba lat wyprzedzenia.
Czego ta praca jeszcze nie udowadnia
Kohorta IMAGEN składa się w przeważającej części z osób pochodzenia europejskiego, co autorzy przyznają wprost. Przeniesienie wyników na inne populacje wymaga osobnej walidacji. Do tego dochodzi kwestia praktyczna: cała procedura opiera się na funkcjonalnym rezonansie magnetycznym podczas zadania z twarzami, więc mówimy o badaniu drogim, wymagającym aparatury i protokołu, a nie o teście, który da się zrobić w gabinecie lekarza rodzinnego.
Duża depresja dotyka według badaczy z Shenzhen ponad 332 milionów osób na świecie i pozostaje zaburzeniem trudnym w leczeniu. Ale od publikacji w recenzowanym piśmie do narzędzia klinicznego droga jest długa, co pisałem już przy okazji modelu FaceAge, który z fotografii twarzy szacuje biologiczny wiek pacjenta onkologicznego. Schemat powtarza się w kolejnych pracach: AI coraz rzadziej leczy, coraz częściej próbuje przewidywać.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polska psychiatria dziecięca i pytanie o kolejność wydatków
Liczby z Narodowego Funduszu Zdrowia układają się w obraz, którego żaden algorytm nie naprawi. Szacuje się, że w Polsce na depresję choruje około 1,285 miliona osób, a świadczenia z rozpoznaniem głównym lub współistniejącym depresji otrzymało w 2024 roku 878,3 tysiąca pacjentów. Refundowane leki przeciwdepresyjne wykupiło w tym samym roku 1,9 miliona osób, o 97 procent więcej niż w 2013 roku, przy wartości refundacji 290,2 miliona złotych. Wśród dzieci i młodzieży skala rośnie jeszcze szybciej: pomocą psychologiczną i psychiatryczną objęto w 2023 roku ponad 279 tysięcy młodych osób wobec 119 tysięcy w 2019 roku.
Po drugiej stronie stoi kadra. Według zestawień przywoływanych w raportach Psycholink i Fundacji GrowSPACE w Polsce pracuje niewiele ponad 560 psychiatrów dziecięcych, a średni czas oczekiwania na pierwszorazową konsultację przekracza 200 dni. W części placówek kolejki liczone są w latach.
Model z Shenzhen w polskich warunkach nie znajdzie zastosowania jutro ani pojutrze. Wymaga rezonansu funkcjonalnego, protokołu badawczego i zespołu, który potrafi zinterpretować wynik. Realny wpływ na naszą sytuację ma raczej sam kierunek badań, bo jeśli wskaźniki tego typu wejdą do praktyki klinicznej w Europie Zachodniej, polskie ośrodki akademickie będą musiały zdecydować, czy uczestniczą w walidacji, czy czekają na gotowe rozwiązanie. Do tego dochodzi warstwa regulacyjna. Systemy AI wbudowane w wyroby medyczne podlegają w Unii osobnym przepisom, a obowiązki wynikające z Załącznika I do AI Act przesunięto ostatecznie na 2 sierpnia 2028 roku, co daje producentom oddech, ale nie zwalnia szpitali z myślenia o tym już teraz.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiałów źródłowych, w tym pracy Deep learning reveals a neurocomputational mechanism predicting depression risk in adolescents opublikowanej w „Science Advances” 7 sierpnia 2026 roku (tom 12, numer 32, DOI 10.1126/sciadv.aed0772) oraz relacji South China Morning Post z 16 sierpnia 2026 roku. Dane o kohortach IMAGEN i STRATIFY pochodzą z abstraktu i treści oryginalnej publikacji. Dane o skali depresji w Polsce: raport NFZ o zdrowiu. Depresja oraz zestawienia Fundacji GrowSPACE i Psycholink dotyczące dostępności psychiatrii dziecięcej. Cytat Han Lu, profesora nadzwyczajnego Szkoły Sztucznej Inteligencji Uniwersytetu Shenzhen, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o walidacji markera i pracach nad predykcyjnymi narzędziami AI w psychiatrii.
