研究:人工智能可以检测儿童言语中的抑郁。

机器学习算法可以检测幼儿言语模式中的焦虑和抑郁症状,潜在地提供了一种快速、简便的诊断方法,这些方法很难被年轻人发现并经常被忽视,根据发表在生物医学与健康信息学杂志.

大约五分之一的儿童患有焦虑和抑郁,统称为“内化障碍”,但由于8岁以下的儿童不能可靠地表达他们的情感痛苦,成年人需要能够推断出他们的精神状态,认识到潜在的心理健康问题。等待心理医生预约的名单,保险问题,父母没有意识到这些症状都会导致孩子失去生命治疗。

“我们需要快速,客观测试在孩子受苦时抓住他们,”Ellen McGinnis说,佛蒙特大学医学中心儿童中心的临床心理学家,青年和家庭以及本研究的主要作者。“大多数8岁以下的孩子没有被诊断出来。”

早期诊断是至关重要的,因为儿童在大脑发育期间对治疗反应良好,vwin手机版但如果不治疗,他们在以后的生活中更容易遭受药物滥用和自杀。标准诊断包括对经过培训的临床医师及其初级护理人员进行60-90分钟的半结构化访谈。麦金尼斯与佛蒙特大学生物医学工程师和研究高级作者Ryan McGinnis一起,一直在寻找利用人工智能和机器学习使诊断更快、更可靠的方法。

研究人员使用了一种被称为“特里尔社会压力任务”的情绪诱导任务的改编版本,目的是在受试者身上引起压力和焦虑。一组71名3至8岁的儿童被要求即兴创作一个3分钟的故事,告诉他们,他们将根据这件事的有趣程度来判断。作为法官的研究员在整个演讲过程中都很严肃,只给出中立或负面的反馈。90秒后,还有30秒,蜂鸣器会响起,法官会告诉他们还剩多少时间。

“这项任务的目的是要有压力,把他们置于有人在评判他们的心态中,”埃伦·麦金尼斯说。

孩子们也通过结构化的临床访谈和家长问卷进行诊断。两种确定儿童内化障碍的成熟方法。

研究人员使用机器学习算法来分析每个孩子故事音频记录的统计特征,并将它们与孩子的诊断联系起来。他们发现该算法在诊断儿童方面非常成功,在录音的中间阶段,在两个蜂鸣器之间,是最能预测诊断结果的。

“该算法能够识别诊断为内化障碍的儿童,准确率为80%,而且在大多数情况下,这与父母的检查表的准确性进行了很好的比较,”RyanMcGinnis说。它还可以更快地给出结果——一旦任务完成提供诊断,算法只需要几秒钟的处理时间。

该算法识别出儿童语音的八种不同音频特征,但有三个特别突出的特点是高度暗示了内化障碍:低沉的声音,具有可重复的语音变化和内容,以及对令人惊讶的蜂鸣器的高音响应。EllenMcGinnis说这些特征很适合你对患有抑郁症的人的期望。“低沉的声音和可重复的语言元素反映了我们思考抑郁时的想法:用单调的声音说话,重复你说的话,”埃伦·麦金尼斯说。

蜂鸣器的高音调响应也与研究人员在之前的研究中发现的响应类似。在一项恐惧诱导任务中,内化障碍儿童表现出更大的回避恐惧刺激的反应。

语音分析在诊断方面的准确性与先前工作中的运动分析相似,但是Ryan McGinnis认为在临床环境中使用会更容易。恐惧任务需要一个黑暗的房间,玩具蛇连接在儿童身上的运动传感器和一个引导器,语音任务只需要一个法官,一种录语音的方法和一个用来中断的蜂鸣器。他说:“这将是更可行的部署方式。”

Ellen McGinnis说下一步将是把语音分析算法开发成一种通用的临床筛选工具,vwin手机版也许是通过一个智能手机应用程序,可以立即记录和分析结果。语音分析还可以与运动分析结合,形成一组技术辅助诊断工具,在父母怀疑任何事情都是错误的之前,帮助识别有焦虑和抑郁风险的儿童。

留下答复

请输入您的评论!
请在此处输入您的姓名

此网站使用Akismet来减少垃圾邮件。了解如何处理评论数据.