语音筛查：诊断多种心理健康障碍新方法

美国正面临一场心理健康危机，这早已不是秘密。截至2021年，8.3%的成年人患有重度抑郁症（MDD），19.1%的人患有焦虑症（AD），新冠疫情进一步加剧了这些数据。尽管AD和MDD的患病率很高，但诊断和治疗率仍然较低——AD为36.9%，MDD为61.0%。这主要是由于社会、认知和结构性的多重障碍。因此，自动化的筛查工具显得尤为重要。

在《美国声学学会快报》（JASA Express Letters）上发表的一项研究中，研究人员开发了一种基于机器学习的工具，能够通过一分钟的口头流畅性测试提取的声学语音信号来筛查共病AD/MDD。该研究团队由伊利诺伊大学厄巴纳-香槟分校、伊利诺伊大学医学院皮奥里亚分校和南伊利诺伊大学医学院的研究人员组成。

“这项研究的灵感来源于焦虑症和重度抑郁症患者在诊断和治疗方面常常面临延迟的现状。我们发现，语音信号能够反映多种精神、神经、上消化道等健康状况，这促使我们进一步研究AD/MDD。”作者玛丽·皮特罗维茨（Mary Pietrowicz）表示。

AD、MDD以及共病AD/MDD具有不同的声学特征。共病AD/MDD尤其难以识别，因为AD和MDD的声学标记往往相互抵消。

“许多现有研究忽略了这些差异，未能充分探讨共病AD/MDD的独特特征。”皮特罗维茨说。

皮特罗维茨及其团队与患有和未患有共病AD/MDD的女性参与者进行了交流。参与者通过一个安全的远程医疗平台被录音，并被要求在限定时间内尽可能多地列举动物名称，以此完成语义流畅性测试。

研究人员从动物名称的录音中提取了声学和音素特征，并应用机器学习技术来区分有无共病AD/MDD的受试者。结果显示，一分钟的语义流畅性测试可以可靠地用于筛查AD/MDD。

“AD/MDD组倾向于使用更简单的词汇，音素词长的变化较小，音素相似性的水平和变化也有所降低。”皮特罗维茨说。

尽管皮特罗维茨计划进一步研究与结果相关的潜在生物学机制，但她还想优化模型。此外，开发诊断工具还需要更多来自不同人群和条件的数据。

“我们目前的重点是扩大数据的规模、多样性和模态，同时应用创新的分析技术，以提高模型的准确性并加深我们对信号的理解。”皮特罗维茨说。

图文来源：https://publishing.aip.org/publications/latest-content/listening-for-multiple-mental-health-disorders/