深圳大学团队在Science Advances发表青少年抑郁风险预测的神经计算研究
深圳大学人工智能学院陆涵助理教授联合多家机构，在Science Advances（《科学·进展》）发表研究：结合功能性磁共振成像（fMRI）与深度神经网络模型CRPN（概念-感知双通路网络），发现视觉系统对愤怒面孔的神经表征减弱与抑郁症状相关。
校方通稿称，该标志物可在症状出现前4年预测抑郁症状，并能在独立临床队列中识别抑郁症患者； 这属于校方对论文成果的介绍，样本量与预测性能并未公开。
论文题为“Deep learning reveals a neurocomputational mechanism predicting depression risk in adolescents”，发表于Science Advances，深圳大学为第一完成单位，陆涵为唯一第一作者。 合作方包括复旦大学、香港大学、剑桥大学、德国心理健康中心等。
研究结合功能性磁共振成像与计算建模，提出双通路深度神经网络模型CRPN：概念通路编码抽象情绪知识，概念约束引导感知通路学习视觉信息。 研究发现，视觉系统对愤怒面孔的神经表征减弱与抑郁症状显著相关； 在适度概念约束下，CRPN隐层中的愤怒表征可复现人脑视觉系统中的相关神经编码。
扰动实验显示，概念先验影响过强时，感知更多受预期驱动而非真实视觉输入，形成负性感知偏差。 研究获国家重点研发计划、国家自然科学基金资助。
该研究把“情绪加工缺陷”这一心理学描述，转化为可计算、可用脑活动检验的机制假设，并用模型扰动解释负性感知偏差如何形成。 对行业而言，这条路径提示抑郁风险标志物可能不只是分类准确率问题，还需要可解释的神经计算机制。 但校方通稿未披露样本规模、预测窗口的评价标准与外部验证范围； “症状出现前4年预测”是研究内结论，不能外推为普遍筛查能力；
模型复现脑编码也不等于临床效用已被证实。
后续观察信号
- 核查Science Advances原文的方法与局限部分
- 追踪该团队是否开展前瞻性外部验证