基于机器学习的自杀风险识别案例控制研究:在压力条件下整合声学和语言特征
Qunxing Lin1, Jianqiang Zhang1, Weijie Wang1
1Digital Mental Health and Risk Identification and Control Lab, Department of Psychology, School of Public Health, Southern Medical University, Guangzhou, China.
Depression and anxiety
|August 18, 2025
概括
语音分析显示,在患有严重抑郁症 (MDD) 或双相情感障碍 (BD) 的患者中确定自杀风险具有前途. 声学和语言特征,特别是来自负面情绪语言的特征,在评估风险时达到77.82%的准确性.
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
- 语音分析 语言分析
背景情况:
- 自杀是全球主要的健康问题.
- 目前的自杀风险评估依赖于临床判断和尺度,这些很难实施.
- 声声和语言特征越来越多地被用于自杀风险识别.
研究的目的:
- 调查基于语音的方法评估自杀风险的有效性.
- 分析患有严重抑郁症 (MDD) 或双相情感障碍 (BD) 的患者的声学和语言特征.
- 评估情绪价值和压力对基于语言的风险评估的影响.
主要方法:
- 这是一项两阶段研究,涉及90名患有MDD或BD的患者.
- 第一个阶段:使用具有正面,中性和负面情绪价值的问答材料.
- 第二阶段:将压力因素纳入语音数据收集.
主要成果:
- 从负情感价值材料中结合声学和单词频率特征的模型获得了77.82%的准确性.
- 在压力下收集的语音数据更好地了解了参与者的心理状态和自杀风险.
- 这项研究表明了语音分析在自杀风险评估中的潜力.
结论:
- 语音分析,特别是使用来自情绪负面和压力语音的声学和语言特征,显示了自杀风险评估的重大潜力.
- 这些发现支持开发客观,可扩展的自杀预防工具.
- 需要进一步的研究来验证和扩大这些基于语音的方法的应用.
