最新 | 佛蒙特大学发明AI"听音"判别儿童抑郁症，登上顶级期刊

近日，佛蒙特大学开发了一种机器学习算法，根据每个孩子的语言模式，识别焦虑和抑郁，诊断出儿童难以发现的神经性疾病。

该算法识别儿童焦虑症准确率达到80%。

该研究发表在《生物医学与健康信息杂志》(Journal of Biomedical and Health Informatics)，美全网报道

神经疾病的早期诊断很重要，因为儿童大脑处于发育阶段，对治疗反应良好。若不及时治疗，他们将有可能在以后的生活中滥用药物和自杀。

论文表示，约五分之一的儿童患有焦虑或抑郁，称为“内化障碍”。由于8岁以下的儿童无法准确表达，导致未被发现，错过最佳治疗期。

佛蒙特大学医学中心心理学家艾伦·麦金尼斯（Ellen McGinnis）认为：大多数八岁以下的孩子都未被诊断出来。

麦金尼斯说：“我们需要尽早诊断，让孩子长大后不受神经性疾病带来的痛苦。”

研究团队邀请了71名3-8岁的儿童，并对他们进行了“特里尔社会应激测试”（Trier-Social Stress Task），试图引发受试者的压力。

特里尔应激测试：参与者被要求即兴创作一个三分钟的故事，并被告知将根据故事有趣程度进行评判。在整个演讲中，担任评委的研究人员始终保持严厉，并只给出中性或负面反馈。

机器学习算法用于分析他们的演讲，将分析结果与结构化的临床访谈和父母问卷调查获得的传统诊断结果进行比较。

算法识别出了受试者8种不同音频特征，这些特征是抑郁和焦虑的指标。

其中，低音调的声音、重复的语音变化和内容，以及对倒计时所用蜂鸣器的反应与儿童内化障碍相关度极高。

佛蒙特大学的生物医学博士赖安·麦金尼斯（Ryan McGinnis）表示：“这个算法识别内化障碍儿童准确率可达到80％”。

算法只花了几秒钟来处理数据并提供诊断结果，大大缩短了诊断时间。

麦金尼斯表示，下一步将语言与动作分析结合，形成更广泛的疾病早筛工具。团队也将把该语音算法开发成通用化工具，让用户通过智能手机即时记录和分析结果。

原文：

ieeexplore.ieee.org/document/8700173

newatlas.com/machine-learning-algorithm-epression/59573/

uvm.edu/uvmnews/news/uvm-study-ai-can-detect-depression-childs-speech