arXiv cs.AI· Youxiang Sun, Yujie Nie, Zhuoru Wu, Mengyuan Yu, Wenkong Wang, Xiang Li, Yumei Wang, Xin Ma, Lizhou Fan·· 3 天前AI 评分24
任务诱发眼动可作为青少年与青年抑郁严重程度的候选数字生物标志物
Task-evoked eye movements as candidate digital biomarkers of depression severity in adolescents and young adults
AI 导读
一项单中心横断面研究对 155 名 14–20 岁参与者开展情绪-空间自由观看与记忆引导回忆任务，发现抑郁严重程度越高，注视分配熵越低（β=-0.599）、区域间切换越少（β=-0.526）、首次进入目标区潜伏期越长（β=0.572）、目标停留比例越低（β=-0.678，q<0.001）。
正文 · AI 翻译
摘要：客观的抑郁严重程度数字测量指标可补充传统的症状评估，并有助于更及时地进行临床评价。在此，我们研究了任务诱发的眼动是否能为青少年和青年提供可解释的抑郁严重程度行为标志物。在这项单中心横断面研究中，155 名 14--20 岁的参与者完成了情绪-空间自由观看和记忆引导回忆任务，并根据 17 项汉密尔顿抑郁评定量表得分进行分层。我们使用协变量调整的序数趋势模型，在六个任务相关领域中考察了 19 个预先指定的眼动特征。更严重的抑郁与更低的注视分配熵（标准化 $\beta=-0.599$）、更少的区域间切换（$\beta=-0.526$）、更长的首次目标进入潜伏期（$\beta=0.572$）以及更低的目标停留比例（$\beta=-0.678$；所有错误发现率调整后 $q<0.001$）相关。情绪特异性的注意偏向测量指标与严重程度无关，而涉及注视离散度的关联在调整焦虑症状后减弱。在一项纳入 44 个候选眼动特征和人口学协变量的补充机器学习分析中，三阶段级联分类器取得了最高的四分类分层性能（准确率 0.665；宏 F1 0.670；受试者工作特征曲线下面积 0.869），优于单阶段和两阶段方法。总之，这些发现将改变的视觉探索和记忆引导的注视控制确定为抑郁严重程度的候选数字生物标志物，而非泛化的负性注意偏向。这些结果支持进一步前瞻性评估任务诱发眼动追踪，作为及时严重程度评估和临床决策支持的补充方法。
| 学科： | 信号处理（eess.SP）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18494 [eess.SP] |
| （或本版本的 arXiv:2610.18494v1 [eess.SP]） | |
| https://doi.org/10.48550/arXiv.2610.18494 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lizhou Fan [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 14:51:53 UTC（797 KB）
来源：arXiv cs.AI · arxiv.org