AI“听音”辨别儿童抑郁,有望改善儿童心理健康

近日,一项研究表明,机器学习算法可以检测儿童言语模式中的焦虑和抑郁迹象。这项研究发表在了Biomedical and Health Informatics上,为诊断在儿童群体中经常被忽视的病症,提供了一种快速简便的方法。

每五个儿童中,就有一个儿童受到焦虑和抑郁的困扰,这些症状统称为“内化行为障碍”(internalizing disorders)。但是,由于8岁以下的儿童不能及时和确切地表达他们的情感困扰,因此家长们需要能够推断孩子们的精神状态,并识别潜在的心理健康问题。

早期诊断心理健康问题对于孩子们的成长非常关键。儿童在大脑发育时对治疗反应良好,但如果没能及时治疗的话,他们在以后的生活中容易发生药物滥用和自杀等行为。因此,研究人员一直在利用AI和机器学习技术,来探索更快和更可靠的诊断方法。

▲早期诊断儿童的心理健康问题对他们的成长非常重要(图片来源:123RF)研究人员使用了一种被称为“特里尔社会应激测试”(Trier-Social Stress Task)的情绪诱导测试法并进行改进,旨在引起受试者的压力和焦虑感。在测试中,71名3-8岁的儿童被要求即兴制作一个长度3分钟左右的故事,由研究人员担当的裁判们将根据故事的有趣程度进行打分。裁判在孩子们的展示过程中都表现得非常严厉,只给出了中立或消极反馈。90秒过后以及还剩30秒钟的时候,计时器会响起,裁判也会示意还剩多少时间。同时,这些孩子还将接受结构式临床访谈以及父母问卷调查,这两种方法都是公认的内化行为障碍诊断方法。

研究人员使用机器学习算法分析每个孩子故事录音的统计特征,并将它们与孩子的诊断结果联系起来。他们发现算法在诊断方面非常成功,其中在计时器两次响起之间的记录对诊断结果最具预测性。该算法识别出了孩子们讲话中的8种不同音频特征,其中3种表明可能会与内化行为障碍有关,分别是:低沉的声音、不断反复的音调和内容、以及计时器突然响起时变高的音调。这些特征都和抑郁症的特征相符合。

研究人员表示,该算法能够以80%的准确率识别出患有内化障碍的儿童,超出了传统诊断方式的表现。同时,算法给出结果的速度也快了很多:测试完成后,算法只需要几秒钟的时间就可以提供诊断结果。

研究团队的下一步计划,是把这个语音分析算法变成一款可供临床使用的通用筛查工具,也可能会以手机APP的形式呈现,从而即时对结果进行记录和分析。同时,语音分析还可以与动作分析相结合,成为一系列由技术辅助的诊断工具,从而在其父母意识到问题前,就能帮助识别处于焦虑和抑郁风险中的儿童。

参考资料:

[1] Study: AI can detect depression in a child's speech. Retrieved May 13, 2019, from https://www.eurekalert.org/pub_releases/2019-05/uov-acd050619.php

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业机器学习语音识别
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

推荐文章
暂无评论
暂无评论~