정신 질환은 전 세계 장애의 주요 원인이며, 접근 가능하고 공평한 치료를 위한 중요한 걸림돌로 남아 있습니다. 본 논문에서는 인간-컴퓨터 상호 작용이 자기 보고된 정신 건강의 여러 차원과 시간 경과에 따른 변화를 인코딩한다는 것을 보여줍니다. MAILA(MAchine-learning framework for Inferring Latent mental states from digital Activity)를 소개합니다. MAILA는 9,000명의 온라인 참가자에서 기록된 20,000개의 커서 및 터치스크린 기록으로부터 130만 개의 정신 건강 자기 보고서를 예측하도록 훈련되었습니다. 데이터 세트에는 2,000명이 종단적으로 평가되었으며, 1,500명이 우울증으로 진단받았고 500명이 강박 장애로 진단받았습니다. MAILA는 세 가지 직교 차원을 따라 동적 정신 상태를 추적하고, 컨텍스트 전반에 걸쳐 일반화하며, 그룹 수준의 정신 건강을 예측할 때 거의 최고 수준의 정확도를 달성합니다. 이 모델은 일반 인구에서 임상 인구로 변환되며, 정신 질환을 앓고 있는 개인을 식별하고, 언어로 전달되지 않는 심리적 기능의 특징을 포착합니다. 결과는 일상적인 인간-컴퓨터 상호 작용이 수동적이고, 신뢰할 수 있으며, 역동적이고, 최대한 확장 가능한 정신 건강 평가를 어떻게 지원할 수 있는지 보여줍니다. 무한 비용으로 정신 상태를 해독하는 능력은 정밀 의학 및 공중 보건에 대한 새로운 벤치마크를 설정하는 동시에 온라인 개인 정보 보호, 행위 주체성 및 자율성에 대한 중요한 질문을 제기합니다.
