重性抑郁障碍(Major Depressive Disorder, MDD)是一种严重的精神疾病，由于其高复发率、高致残率及高自杀率，严重影响公众健康且带来沉重的疾病负担。抑郁症的特征为持续情绪低落、兴趣减退、乐趣丧失、精力不足、睡眠差、食欲改变、伴有自杀观念、注意力不集中。抑郁会引发焦虑也会导致慢性身心损害、社会功能下降、形成不健康的生活方式。人群终生患有抑郁的风险为15%-18%，每六个人可能就有一个人会在一生中经历一次抑郁发作。预计抑郁障碍2030年将成为世界第一疾病负担。

尽管患病人数如此之多，对国家乃至社会的影响如此之大，但精神科医生与患者比例的严重失衡（我国在册精神科医生为仅为3.4万人），相当于每10万人中仅有2名精神科医生。目前我国抑郁症患者达9000万人，严重医疗资源不足。抑郁的诊断主要依靠症状学特征及社会功能损害。抑郁症患者目前充分诊断治疗率仅为0.5%。另一方面因MDD会伴有各种症状的组合，因此临床实践中常出现误诊和漏诊的现象。一项关于初级诊所UD 误诊率的Meta 分析研究显示，临床医生可以正确识别UD 的比例为47.3%，初步的研究结果表明在100 例患者中，将会出现15%的误诊率，以及10%的漏诊率。这也说明目前抑郁诊断中存在的普遍难题，过度诊断或忽略诊断。

正是基于这样的背景，急需有一种手段可以减轻医疗负担，提高医疗就诊的准确度与效率，为辅助医生精准决策。近几年人工智能通过模仿人类的认知功能，进行知识图谱建构、学习、推理和决策，借助自然语言处理及计算机视觉技术在医疗诊断程序中提高了诊断和治疗的准确性及诊断的特异性。这正是我目前的工作方向：计算精神病学。