根據(jù)發(fā)表在“華爾街日報”上的一項新研究，機器學習算法可以檢測幼兒語音模式中的焦慮和抑郁跡象，可能提供一種快速簡便的方法來診斷年輕人難以發(fā)現(xiàn)和經(jīng)常被忽視的病癥。生物醫(yī)學和健康信息學。

大約五分之一的兒童患有焦慮和抑郁癥，統(tǒng)稱為“內化障礙”。但是因為8歲以下的孩子無法可靠地表達他們的情感痛苦，成年人需要能夠推斷他們的精神狀態(tài)，并認識到潛在的心理健康問題。與心理學家約會的等待名單，保險問題以及父母未能識別癥狀都會導致兒童錯過重要治療。

佛蒙特大學醫(yī)學中心佛蒙特兒童，青少年和家庭中心的臨床心理學家，該研究的主要作者艾倫麥金尼斯說：“我們需要快速，客觀的測試，以便在孩子受苦時抓住他們。”“大多數(shù)八歲以下的孩子都未被診斷出來?！?/p>

早期診斷至關重要，因為兒童在大腦仍處于發(fā)育狀態(tài)時對治療反應良好，但如果不及時治療，他們在生命后期就有更大的藥物濫用和自殺風險。標準診斷包括與經(jīng)過培訓的臨床醫(yī)生及其主要護理人員進行60-90分鐘的半結構式訪談。McGinnis與佛蒙特大學生物醫(yī)學工程師和研究高級作者Ryan McGinnis一直在尋找使用人工智能和機器學習的方法，以使診斷更快，更可靠。

研究人員使用了一種稱為特里爾 – 社會壓力任務的情緒誘導任務的改編版本，該任務旨在引起受試者的壓力和焦慮感。一群71名年齡在3到8歲之間的孩子被要求即興創(chuàng)作一個三分鐘的故事，并告訴他們將根據(jù)它的有趣程度進行評判。作為法官的研究員在整個演講期間仍然嚴厲，只給出了中立或負面的反饋。90秒后，再過30秒，蜂鳴器響起，法官會告訴他們剩下多少時間。

艾倫麥金尼斯說：“這項任務的目的是讓人感到壓力，并將他們置于有人評判他們的心態(tài)?！?/p>

孩子們也被診斷出使用結構化的臨床訪談和父母問卷調查，這兩種方法都是確定兒童內化障礙的完善方法。

研究人員使用機器學習算法分析每個孩子故事的錄音的統(tǒng)計特征，并將其與孩子的診斷聯(lián)系起來。他們發(fā)現(xiàn)該算法在診斷兒童方面非常成功，并且兩個蜂鳴器之間錄音的中間階段是最可預測的診斷。

“該算法能夠識別出診斷為內化障礙的兒童，準確率為80%，并且在大多數(shù)情況下，與父母檢查表的準確性相比非常好，”Ryan McGinnis說。它還可以更快地給出結果 – 一旦任務完成，算法只需要幾秒的處理時間來提供診斷。

該算法確定了兒童語音的八種不同的音頻特征，但其中三種特別突出顯示內化障礙：低音調聲音，可重復的語音變化和內容，以及對令人驚訝的蜂鳴器的高音調響應。Ellen McGinnis表示，這些功能非常適合您對患有抑郁癥的人的期望?！暗驼{的聲音和可重復的語音元素反映了我們在思考抑郁癥時的想法：用單調的聲音說話，重復你說的話，”艾倫麥金尼斯說。

對蜂鳴器的高調響應也類似于研究人員在之前的工作中發(fā)現(xiàn)的反應，其中發(fā)現(xiàn)患有內化障礙的兒童在恐懼誘導任務中表現(xiàn)出來自恐懼刺激的更大的轉身反應。

語音分析在診斷中與早期工作中的運動分析具有相似的準確性，但Ryan McGinnis認為在臨床環(huán)境中使用它會容易得多?？謶秩蝿招枰粋€黑暗的房間，玩具蛇，附在孩子身上的運動傳感器和一個向導，而語音任務只需要一個法官，一種記錄語音的方式和一個用來打斷的蜂鳴器。“這樣部署起來會更加可行，”他說。

Ellen McGinnis表示，下一步將是將語音分析算法開發(fā)成臨床使用的通用篩選工具，可能通過可以立即記錄和分析結果的智能手機應用程序。語音分析還可以與運動分析相結合，形成一系列技術輔助診斷工具，幫助識別處于焦慮和抑郁風險中的兒童，即使他們的父母懷疑有任何問題。

其他研究合著者包括佛蒙特大學的Steven P. Anderau和Reed D. Gurchiek以及密歇根大學的Reed D. Gurchiek，Nestor L. Lopez-Duran，Kate Fitzgerald和Maria Muzik。