Автоматический анализ голоса может диагностировать несколько расстройств психического здоровья за одну минуту
Не секрет, что в США кризис психического здоровья. По состоянию на 2021 год 8,3% взрослых страдали от большого депрессивного расстройства (БДР), а 19,1% — от тревожных расстройств (ТР), а пандемия COVID-19 усугубила эту статистику.
Несмотря на высокую распространенность AD/MDD, показатели диагностики и лечения остаются низкими — 36,9% для AD и 61,0% для MDD — из-за различных социальных, перцептивных и структурных барьеров. Автоматизированные инструменты скрининга могут помочь.
В JASA Express Letters исследователи разработали инструменты машинного обучения, которые проверяют сопутствующие AD/MDD с помощью акустических голосовых сигналов, извлеченных из одноминутного теста на вербальную беглость. Группа состоит из исследователей из Университета Иллинойса в Урбане-Шампейне, Медицинского колледжа Университета Иллинойса в Пеории и Медицинской школы Университета Южного Иллинойса.
«Это исследование было вдохновлено наблюдением, что люди с тревожными расстройствами и тяжелым депрессивным расстройством часто сталкиваются с задержками в диагностике и лечении. Открытие голосовых сигналов, отражающих различные психиатрические, неврологические, желудочно-кишечные и другие состояния здоровья, побудило к дальнейшему изучению СД/БДР», — сказала автор Мэри Петрович.
AD, MDD и коморбидное AD/MDD имеют разные акустические сигнатуры. Коморбидное AD/MDD может быть особенно сложно идентифицировать, поскольку акустические маркеры AD и MDD часто противостоят друг другу.
«Большая часть существующих исследований игнорирует эти различия и не рассматривает уникальные характеристики коморбидного расстройства личности/большого депрессивного расстройства», — сказал Петрович.
Петрович и ее команда поговорили с женщинами-участницами с сопутствующими AD/MDD и без них. Участники были записаны с помощью защищенной платформы телемедицины и прошли тест на семантическую вербальную беглость, в котором им нужно было назвать как можно больше животных за отведенное время.
Команда извлекла акустические и фонематические признаки из записей названий животных и применила методы машинного обучения для различения субъектов с сопутствующим AD/MDD и без него. Результаты подтвердили, что одноминутный семантический VFT можно надежно использовать для скрининга AD/MDD.
«Группа с СД/БДР имела тенденцию использовать более простые слова, демонстрировала меньшую изменчивость длины фонемных слов и демонстрировала меньшие уровни и вариации фонематического сходства», — сказал Петрович.
Хотя Петрович в конечном итоге планирует изучить основные биологические механизмы, связанные с результатами, она также хочет усовершенствовать модель. Кроме того, разработка диагностического инструмента потребует гораздо больше данных по различным группам населения и состояниям.
«В настоящее время мы сосредоточены на расширении масштаба, разнообразия и модальностей данных, применяя при этом инновационные аналитические методы для повышения точности моделей и углубления нашего понимания сигналов», — сказал Петрович.