在临床抑郁症,焦虑症和自杀倾向的人群中,多式对话方法用于精神状态的表征

科学领域:

• 心理健康技术 心理健康技术
• 医疗保健中的人工智能
• 临床心理学 临床心理学

背景情况:

• 抑郁症,焦虑和自杀率的上升需要可扩展的心理健康解决方案.
• 远程医疗和远程患者监测 (RPM) 对于支持心理健康从业人员至关重要.
• 多式联络对话系统 (MDS) 为结构化心理健康访谈提供了一种成本效益高的方法.

研究的目的:

• 评估基于云的MDS代理Tina的可行性,用于表征心理状态.
• 评估Tina在识别抑郁,焦虑和自杀风险方面的有效性.
• 分析语音,语言和面部生物标志物,以描述心理状态.

主要方法:

• 通过在线健康登记册招募了68名参与者,参加了73次会议.
• 参与者与MDS代理人 (Tina) 进行了结构化面试.
• 收集实时语音和视频数据用于生物标志物提取 (语音,语言,面部运动).
• 使用提取特征 (AUC) 开发和评估机器学习模型.

主要成果:

• 患有抑郁症/自杀风险的个体显示出更高的百分比休息时间;焦虑阳性个体减少了唇部运动.
• 语音特征最好预测抑郁症 (AUC=0.64),焦虑的面部特征 (AUC=0.57),以及自杀风险的文本 (AUC=0.65).
• 所有模式的决策融合实现了自杀风险识别的最高性能 (AUC=0.76).

结论:

• 在临床群体中,MDS是远程监测患者的可行和有效工具.
• 面部分析是焦虑的关键,而言语和语言更能表明抑郁和自杀倾向.
• 整合多式联络数据 (语音,语言,面部表情) 提高了所有心理健康评估中的分类性能.