数字表型、计算方法与研究伦理

手机记录的是行为，不是心灵#

智能手机与可穿戴设备可以记录步数、位置变化、屏幕使用、睡眠代理、打字节律和交流频率。研究者希望从这些高频行为痕迹中理解情绪、认知、社会互动和精神健康变化。

数字表型通常指利用个人设备产生的纵向数据，对行为和健康状态进行细粒度描述。主动数据来自问卷、语音任务或认知测试；被动数据由传感器与日志在日常环境中持续产生。

“被动”只描述采集方式，不意味着没有负担或风险。位置、联系人和夜间手机使用能够暴露极其私密的生活结构。

更重要的是，传感器只观察代理变量。活动减少可能表示抑郁，也可能表示居家办公、受伤、天气炎热或手机没电。算法不能跳过构念效度。

从传感器到心理构念的链条#

数字表型研究至少包含五层：

1. 设备感测物理信号，如加速度或 GPS；
2. 软件把信号处理成特征，如移动半径或夜间活动；
3. 特征被解释为行为，如社会退缩或睡眠紊乱；
4. 行为被连接到心理构念，如抑郁或躁狂；
5. 构念进入预测、干预或临床决策。

每一层都可能失真。操作系统权限变化会制造缺失，算法版本会改变特征，家庭共享设备会混淆身份，文化与职业会改变行为含义。

研究报告若只给出“模型预测抑郁准确率”，就隐藏了从信号到构念的整条假设链。

研究问题决定数据密度#

数字表型可以服务不同目标。

描述性研究绘制日常行为与情绪的共同变化；预测研究识别未来恶化风险；机制研究检验睡眠、互动和反刍的时间顺序；干预研究尝试在风险升高时提供支持。

这些目标需要不同验证。预测准确不代表机制正确，群体相关不代表个体变化，事后分类患者不等于能提前预警。

采样频率也必须匹配过程。GPS 每五分钟采样可能适合移动模式，却不适合捕捉瞬间认知；每月问卷无法验证小时尺度的情绪推断。

收集“能收集的一切”增加隐私和计算负担，却未必增加有效信息。

标签决定模型能学到什么#

机器学习需要目标标签。数字心理研究常用临床诊断、量表分数、自报情绪或未来事件作为标签。

诊断可能受医疗可及性影响，量表存在测量误差，自报情绪采样稀疏，危机事件又极其罕见。模型最多学习标签的规律，不会自动学习标签背后的真实心理状态。

若用同一天问卷预测同一天手机行为，模型可能只是重建同步关联。真正的预警需要严格时间分离，并避免把事件后信息泄漏到特征中。

标签质量、时间窗口和产生机制应与模型性能一起报告。

个体模型与群体模型#

群体模型寻找跨人的共同模式，但个人的数字基线差异巨大。每日发送二十条消息对某人是正常，对另一人可能异常活跃。

个体内模型关注相对本人基线的偏离，更适合变化检测；群体模型则需要足够多且多样的人来学习可推广规律。

部分汇聚的层级模型可以在两者之间共享信息。新用户数据少时借用群体规律，随着个人数据增加逐步个性化。

所谓“个性化”也必须验证。给每个人单独拟合复杂模型而数据不足，只会把噪声个性化。

缺失本身可能有信息#

手机数据的缺失可能来自关机、权限撤回、无网络、设备更换、应用被系统清理或参与者主动停用。

这些原因可能与心理状态和社会资源相关。例如症状加重时更少充电，低收入参与者更常更换号码，隐私担忧者更可能撤回位置权限。

简单插值会把行为与技术故障混在一起。研究者应记录设备与系统元数据，区分结构性缺失和偶发缺失，并检验模型是否主要在识别设备类型。

覆盖率图、缺失模式和参与者级数据质量应成为标准结果，而不是藏在预处理脚本里。

预测性能需要正确基线#

心理健康事件往往低发生率。若只有 2% 的人出现事件，一个永远预测“没有”的模型就有 98% 准确率。

因此要报告灵敏度、特异度、阳性预测值、校准、决策曲线和类别分布，而不只报告准确率或 ROC 曲线下面积。

模型应与简单基线比较，例如上一时点量表、人口学变量或个人历史。若复杂传感器模型没有超过廉价基线，其额外隐私成本很难辩护。

内部交叉验证不能证明外部推广。设备、地区、时间和机构变化都需要独立验证。

数据泄漏与过拟合#

同一个人的多个时间窗口不能随机分散到训练集和测试集，否则模型会通过识别个人而获得虚高性能。

预处理、特征选择和参数调优都必须在训练折内部完成。若先用全数据选择特征，测试集信息已经泄漏。

高维传感器特征加小样本极易过拟合。嵌套交叉验证、预注册主要模型、保留外部测试集和完整流程代码是基本防线。

重复尝试许多算法后只报告最佳模型，也是一种选择性报告。应公开候选空间和不确定性。

公平性与分布漂移#

设备价格、操作系统、数据套餐、城市基础设施、残障和职业节律都会影响数字痕迹。

一个在年轻城市智能手机用户上训练的模型，可能无法用于老年人、农村居民、轮班工人或不同国家。总体性能良好也可能掩盖某些群体的高误报率。

公平评估要检查样本覆盖、分组校准、错误代价和测量等值。群体标签本身也可能粗糙或带有政治历史。

系统部署后，操作系统更新、社会事件和用户适应会造成分布漂移。模型需要持续监测，而不是一次验证后永久有效。

同意不能只是长文本#

持续感测的风险难以在一次点击中完全预见。参与者可能同意步数研究，却不知道位置轨迹能推断住所、宗教活动或亲密关系。

更合理的同意应分层说明数据类型、采样频率、推断用途、共享对象、保存期限与退出后处理。

动态同意允许参与者查看和调整权限，但频繁提示也可能制造疲劳。界面应让关键风险清楚可见，并提供真正可用的撤回机制。

第三方数据尤其棘手。通话频率和蓝牙接近会涉及未同意研究的联系人，研究者必须最小化采集和标识。

数据最小化与安全#

研究团队应先问完成问题所需的最低数据，而不是平台能提供什么。

可以在设备端提取特征时，不应上传原始音频；只需移动范围时，不必保存精确轨迹；研究结束后，应按计划删除可识别原始数据。

传输和存储需要加密，标识与研究数据分离，访问遵循最小权限并留下审计日志。

哈希标识不等于匿名。高分辨率位置和行为序列本身就具有可识别性，重识别风险应被视为持续过程。

从研究到干预的责任跃迁#

观察关联与触发干预之间存在巨大责任差异。

如果模型把某人标为高自杀风险，谁会收到警报、多久响应、误报如何处理、漏报由谁承担？如果系统没有可靠支持流程，风险预测可能只增加监控与焦虑。

临床决策工具需要前瞻性验证、人类监督、工作流整合、失败模式分析和明确问责。参与者还应知道算法是否影响其照护。

直接面向消费者的情绪推断也可能被雇主、保险或广告系统滥用。研究伦理必须考虑下游用途，而不只考虑论文阶段。

可解释性与行动性#

一个模型指出“风险升高”并不等于提供可行动信息。临床人员需要知道时间窗口、不确定性、主要变化与建议响应。

特征重要性工具只能描述模型局部行为，不能证明某特征是心理原因。把“夜间屏幕使用贡献较大”解释成“手机导致抑郁”是因果越界。

解释还应面向被预测者。个人应能理解系统使用了哪些数据、结果如何影响自己，以及如何质疑错误。

真正的可解释性包含技术说明、制度程序与申诉能力。

参与式设计#

数字心理工具常由技术团队替目标人群决定什么值得测量、什么风险可以接受。

参与式设计让患者、临床人员、残障人士和受监控影响的群体进入问题定义、数据选择、界面和治理。

它能发现工程指标看不到的问题：定位追踪可能触发创伤，连续情绪评分可能加重反刍，家庭成员可能检查应用，某些颜色和通知会暴露诊断。

参与不应只是产品完成后的访谈，而应对是否开发、收集什么和如何退出具有实际影响。

一套审计清单#

构念：传感器特征通过什么证据连接到心理状态？

时间：预测窗口是否严格早于结局，采样频率是否匹配过程？

样本：谁被纳入，谁因设备、网络或同意门槛被排除？

验证：是否按参与者划分数据，有无外部、时间和群体验证？

基线：复杂模型是否超过简单、低侵入的替代方案？

隐私：是否最小化原始数据，退出和删除是否真实可执行？

行动：预测后谁负责，误报与漏报的代价如何分配？

治理：参与者能否查看、纠正、撤回和申诉？

常见误区#

客观传感器比自报真实忽略了传感器误差和构念推断。两者测量不同层面，最好互相校准。

数据越多模型越好忽略了相关记录、弱标签和隐私成本。

去掉姓名就匿名低估了位置和行为序列的可识别性。

高准确率就可部署忽略低基率、校准、外部验证和实际工作流。

个性化等于公平不成立。个性化模型仍可能建立在偏斜样本和不公平标签上。

跨域连接#

• 生命伦理学：被动传感把知情同意的对象从"一次研究"变成了"一段生活的连续记录"，而这一转变使传统的同意模型失效：参与者无法在同意时预见哪些推断可以从数据中得出。动态同意与用途限定因而不是加分项，而是这一方法可行性的前提条件。
• 基因检测与隐私：两者共享一个结构性问题——数据本身看似无害，可推断的内容却高度敏感（移动模式可推断抑郁状态，基因数据可推断亲属信息）。这使"去标识化"不足以保护隐私：风险来自推断能力而非标识符。
• 推荐系统：同一批传感数据既可用于临床预警，也可用于商业定向，而技术上两者没有区别。这条事实决定了治理必须落在用途与访问控制上，而非落在数据类型的分类上——后者在推断能力面前不再有意义。
• 纵向与多层模型：高频数据的分析困难常被低估——非随机缺失（状态最差时最不可能作答）与测量反应性（提示本身改变行为）都会系统性地偏移结论。这两个问题在传统纵向研究中已存在，而采样频率的提高会同时放大二者。
• 临床诊断：数字表型的临床价值取决于它能否改变决策，而多数研究止于报告相关而非报告决策收益。评估这类工具的正确问题因此不是"预测准不准"，而是"在它给出预警之后，是否存在一个可执行且有效的干预"——缺了后者，预测能力只是负担。

方法的核心判断#

数字表型的科学问题不是“手机能否读心”，而是：

某种设备在某种人群和时间尺度上，能否以可验证、可推广且代价可接受的方式，测量一个明确行为过程？

只有同时回答构念效度、外部验证、隐私、公平和行动责任，计算能力才会转化为心理科学，而不是更精细的监控。

参考文献#

1. Onnela, J.-P., & Rauch, S. L. (2016). Harnessing smartphone-based digital phenotyping to enhance behavioral and mental health. Neuropsychopharmacology, 41, 1691-1696.
2. Torous, J., Onnela, J.-P., & Keshavan, M. (2017). New dimensions and new tools to realize the potential of RDoC. Molecular Psychiatry, 22, 1266-1268.
3. Martinez-Martin, N., et al. (2021). Ethical development of digital phenotyping tools for mental health applications. Journal of Medical Internet Research, 23(7), e27301.
4. Insel, T. R. (2017). Digital phenotyping: Technology for a new science of behavior. JAMA, 318(13), 1215-1216.
5. Huckvale, K., Venkatesh, S., & Christensen, H. (2019). Toward clinical digital phenotyping. JAMA, 322(19), 1855-1856.

延伸阅读#

1. Cornet, V. P., & Holden, R. J. (2018). Systematic review of smartphone-based passive sensing for health. Journal of Biomedical Informatics, 77, 120-132.
2. Nebeker, C., Torous, J., & Ellis, R. J. B. (2019). Building the case for actionable ethics in digital health research. JMIR, 21(10), e13020.
3. Vaidyam, A., et al. (2019). Smartphone monitoring of schizophrenia. NPJ Schizophrenia, 5, 4.