远程收集的语音样本中的多语言抑郁症标志物:初步分析

科学领域:

• 神经科学是一个神经科学.
• 数字健康数字健康
• 精神病学是一个精神病学.

背景情况:

• 语言表现出神经肌肉,生理和认知元素,使其成为心理健康状况的潜在生物标志物.
• 之前的研究表明,说话速度,暂停和严重抑郁症 (MDD) 之间存在联系,但由于研究规模较小,能力不足或非临床研究,研究结果往往无法得出结论.
• 现有的研究受限于单语和在受控环境中进行的研究,因此需要在现实数据中研究语言强度标记.

研究的目的:

• 在一个大型的,多语言的,现实世界的临床数据集中,研究语音特征和主要抑郁症 (MDD) 之间的关联.
• 确定强大的语音标记,以了解MDD的发病和进展.
• 确定语音标记的强度作为MDD的数字表型.

主要方法:

• 在英国,西班牙和荷兰的585名参与者中收集了18个月的语音数据,使用智能手机录音.
• 分析了28个不同的语音特征,包括说话速度,发音速度,强度和暂停.
• 采用线性混合模型来评估语音特征与抑郁症状之间的关联的强度.

主要成果:

• 增加的抑郁症状与减少的语音速率和较低的语音强度相关.
• 与暂停相比,语音速率和发音速率表现出更强大的效果大小.
• 确定了与MDD严重程度相关的关键语音标记.

结论:

• 患有更严重MDD的参与者表现出更慢,更安静的语音模式.
• 这项研究在利用语音作为MDD的数字表型方面取得了重大进展,该研究在现实世界,多语言临床数据集上得到了验证.
• 研究结果表明,语音分析对日常环境中的MDD监测具有前途.