对基于人工智能的语音生物标记器工具进行评估,以检测与中度至重度抑郁症相一致的信号
Alexa Mazur1, Harrison Costantino2, Prentice Tom3
1Kintsugi Mindful Wellness, Inc, San Francisco, California aam2213@columbia.edu.
Annals of family medicine
|January 13, 2025
概括
机器学习可以使用来自语音的语音生物标志物来检测中度至重度的抑郁症. 这项技术显示了改善初级保健机构心理健康查的潜力.
科学领域:
- 计算精神病学是一种计算精神病学.
- 数字健康数字健康
- 机器学习在医疗保健中的应用
背景情况:
- 初级保健心理健康查未得到充分利用,只有4%的患者接受了抑郁症查.
- 美国预防服务工作组建议对所有可以接受治疗的患者进行抑郁症查.
- 迫切需要可扩展和可访问的查工具来解决这一公共卫生差距.
研究的目的:
- 评估机器学习技术在检测与中度至重度抑郁症相关的语音生物标志物的有效性.
- 评估语音分析在提高初级保健中抑郁症查合规性的潜力.
- 分析自由形式的言语,寻找抑郁症的声音特征.
主要方法:
- 一项涉及美国和加拿大的14898名成年人的横截面研究.
- 分析至少25秒的自由形式演讲.
- 机器学习语音生物标记结果与患者健康问卷-9 (PHQ-9) 评分的比较 (截止值≥10).
主要成果:
- 机器学习准确地检测出与PHQ-9分数为10或更高的声音特征.
- 灵敏度为71.3% (95% CI,69.0-73.5) 和特异性为73.5% (95% CI,71.5-75.5). 这两种特异性是不同的.
- 这些结果是通过使用短短25秒的语音来实现的.
结论:
- 对语音生物标志物的机器学习分析显示,对查中度至重度抑郁症有希望.
- 这项技术可以提高临床医生有效查患者的能力.
- 需要进一步的研究来验证其临床部署的有效性.
