双极性障碍的自动语音分析:CALIBER研究协议和初步结果
Gerard Anmella1,2,3,4, Michele De Prisco1,2,3,4,5, Jeremiah B Joyce6
1Department of Psychiatry and Psychology, Institute of Neuroscience, Hospital Clinic of Barcelona, 08036 Barcelona, Catalonia, Spain.
Journal of clinical medicine
|September 14, 2024
概括
自动语音分析提供双极性障碍 (BD) 的客观标记,通过将语音特征与症状严重程度相关联. 这项技术可以改善BD患者的诊断,监测和预测治疗结果.
科学领域:
- 精神病学是一个精神病学.
- 计算语言学 计算语言学
- 语音技术 语言技术
背景情况:
- 双极性障碍 (BD) 的特点是情绪和能量波动.
- BD患者的言语模式反映了这些变化,但目前的评估是主观的.
- 自然语言处理 (NLP) 提供了一个在 BD 中客观语音分析的机会.
研究的目的:
- 在双相情感障碍中,与躁狂和抑郁症症状严重程度相关联的语言特征.
- 在BD中开发诊断和治疗结果的预测模型.
- 识别BD分析中最相关的语音特征和任务.
主要方法:
- BD 患者的纵向音频录音 (心情良好的,躁狂的,抑郁的,反应后的).
- 在日记化和转录后提取语音特征 (声学,内容,形式方面,情感性).
- 统计分析包括与临床尺度的相关性和用于预测建模的拉索逻辑回归.
主要成果:
- 从76名BD患者的不同情绪状态中收集的数据.
- 初步分析显示,与症状严重程度相关的明显的语言模式 (YMRS,HDRS-17分数).
- 持续的统计分析将探索相关性并建立预测模型.
结论:
- 自动语音分析可以为BD的精神病学变化提供客观的生物标志物.
- 这种方法可以提高诊断,监测和预测治疗反应.
- 标准化的协议对于全球语音队列来说至关重要,以推进BD研究.


