根據(jù)華爾街日報發(fā)表的一項新研究，機器學習算法可以檢測兒童聲音模式中的焦慮和抑郁跡象，這可能為診斷年輕人難以發(fā)現(xiàn)且經(jīng)常被忽視的疾病提供一種快速簡單的方法。醫(yī)學和健康信息學。
大約五分之一的兒童患有焦慮和抑郁，統(tǒng)稱為“內(nèi)化障礙”。但是因為8歲以下的孩子不能可靠地表達自己的情感痛苦，所以成年人需要能夠推斷他們的精神狀態(tài)，識別潛在的心理健康問題。約會心理學家的等候名單、保險問題和父母未能識別癥狀都可能導致孩子錯過重要的治療。
佛蒙特大學醫(yī)學中心佛蒙特兒童、青少年和家庭中心的臨床心理學家、該研究的主要作者艾倫麥金尼斯(Allen mcginnis)說，“我們需要快速、客觀的測試，在孩子受苦時抓住他們?！?大多數(shù)八歲以下的孩子還沒有被診斷出來。"
早期診斷非常重要，因為孩子在大腦還在發(fā)育的時候，對治療的反應很好，但是如果不及時治療，他們以后會有更大的濫用藥物和自殺的風險。標準診斷包括與訓練有素的臨床醫(yī)生及其主要護理人員進行60-90分鐘的半結(jié)構(gòu)化訪談。McGinnis和佛蒙特大學生物醫(yī)學工程師、研究資深作者Ryan McGinnis一直在尋找利用人工智能和機器學習使診斷更快、更可靠的方法。
研究人員使用了一種被稱為“特里爾-社會壓力任務”的情緒誘導任務的改編版本，旨在喚起受試者的壓力和焦慮。一組71名3至8歲的兒童被要求即興創(chuàng)作一個三分鐘的故事，并被告知將根據(jù)故事的有趣程度對他們進行評判。作為一名法官，研究人員在整個演講過程中保持嚴格，只給出中性或負面的反饋。90秒后，再過30秒，蜂鳴器會響起，法官會告訴他們還剩多少時間。
艾倫說：“這項任務的目的是讓人們感受到壓力，讓他們處于被別人評判的狀態(tài)?！?
兒童還通過結(jié)構(gòu)化臨床訪談和父母問卷進行診斷，這兩種方法都是識別兒童內(nèi)化障礙的完美方法。
研究人員使用機器學習算法分析每個孩子故事記錄的統(tǒng)計特征，并將其與孩子的診斷聯(lián)系起來。他們發(fā)現(xiàn)，該算法在診斷兒童方面非常成功，兩個蜂鳴器之間的中間記錄階段是最可預測的診斷。
Ryan McGinnis說：“該算法能夠以80%的準確率識別出被診斷為內(nèi)化障礙的兒童，在大多數(shù)情況下，與父母檢查表的準確性相比，它是非常好的。它還可以更快地給出結(jié)果——一旦任務完成，算法只需要幾秒鐘的處理時間就可以提供診斷。
該算法識別了兒童聲音的八種不同音頻特征，但其中三種突出了內(nèi)在化障礙：聲音低沉、可重復的聲音變化和內(nèi)容，以及對令人驚訝的蜂鳴器的高音響應。Ellen McGinnis說，這些功能非常適合你對抑郁癥患者的期望。艾倫麥金尼斯說：“低調(diào)的聲音和可重復的語音元素反映了我們在思考抑郁癥時的想法：用單調(diào)的聲音說話，重復你說的話。
對蜂鳴器的高調(diào)反應也與研究人員在之前的工作中發(fā)現(xiàn)的反應相似，研究發(fā)現(xiàn)，內(nèi)化障礙兒童在恐懼誘導任務中表現(xiàn)出更大的來自恐懼刺激的轉(zhuǎn)向反應。
語音分析在診斷方面的準確性與早期工作中的運動分析相似，但瑞安麥金尼斯認為在臨床環(huán)境中使用它會容易得多?？謶秩蝿招枰粋€黑暗的房間，一條玩具蛇，一個附著在孩子身上的運動傳感器和一個向?qū)?，而語音任務只需要一個法官，一種記錄語音的方式和一個蜂鳴器來打斷?！耙赃@種方式部署將更加可行，”他說。
Ellen McGinnis表示，下一步將把語音分析算法開發(fā)成臨床使用的通用篩查工具，可能通過智能手機應用程序，可以立即記錄和分析結(jié)果。語音分析還可以與運動分析相結(jié)合，形成一系列技術(shù)輔助診斷工具，幫助識別有焦慮和抑郁風險的兒童，即使他們的父母懷疑有任何問題。
其他合著者包括佛蒙特大學的史蒂文p安德羅和里德d古爾奇克，密歇根大學的里德d古爾奇克、內(nèi)斯特l洛佩茲-杜蘭、凱特菲茨杰拉德和瑪麗亞穆齊克。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！