根据华尔街日报发表的一项新研究，机器学习算法可以检测儿童声音模式中的焦虑和抑郁迹象，这可能为诊断年轻人难以发现且经常被忽视的疾病提供一种快速简单的方法。医学和健康信息学。
大约五分之一的儿童患有焦虑和抑郁，统称为“内化障碍”。但是因为8岁以下的孩子不能可靠地表达自己的情感痛苦，所以成年人需要能够推断他们的精神状态，识别潜在的心理健康问题。约会心理学家的等候名单、保险问题和父母未能识别症状都可能导致孩子错过重要的治疗。
佛蒙特大学医学中心佛蒙特儿童、青少年和家庭中心的临床心理学家、该研究的主要作者艾伦麦金尼斯(Allen mcginnis)说，“我们需要快速、客观的测试，在孩子受苦时抓住他们。”"大多数八岁以下的孩子还没有被诊断出来。"
早期诊断非常重要，因为孩子在大脑还在发育的时候，对治疗的反应很好，但是如果不及时治疗，他们以后会有更大的滥用药物和自杀的风险。标准诊断包括与训练有素的临床医生及其主要护理人员进行60-90分钟的半结构化访谈。McGinnis和佛蒙特大学生物医学工程师、研究资深作者Ryan McGinnis一直在寻找利用人工智能和机器学习使诊断更快、更可靠的方法。
研究人员使用了一种被称为“特里尔-社会压力任务”的情绪诱导任务的改编版本，旨在唤起受试者的压力和焦虑。一组71名3至8岁的儿童被要求即兴创作一个三分钟的故事，并被告知将根据故事的有趣程度对他们进行评判。作为一名法官，研究人员在整个演讲过程中保持严格，只给出中性或负面的反馈。90秒后，再过30秒，蜂鸣器会响起，法官会告诉他们还剩多少时间。
艾伦说：“这项任务的目的是让人们感受到压力，让他们处于被别人评判的状态。”
儿童还通过结构化临床访谈和父母问卷进行诊断，这两种方法都是识别儿童内化障碍的完美方法。
研究人员使用机器学习算法分析每个孩子故事记录的统计特征，并将其与孩子的诊断联系起来。他们发现，该算法在诊断儿童方面非常成功，两个蜂鸣器之间的中间记录阶段是最可预测的诊断。
Ryan McGinnis说：“该算法能够以80%的准确率识别出被诊断为内化障碍的儿童，在大多数情况下，与父母检查表的准确性相比，它是非常好的。它还可以更快地给出结果——一旦任务完成，算法只需要几秒钟的处理时间就可以提供诊断。
该算法识别了儿童声音的八种不同音频特征，但其中三种突出了内在化障碍：声音低沉、可重复的声音变化和内容，以及对令人惊讶的蜂鸣器的高音响应。Ellen McGinnis说，这些功能非常适合你对抑郁症患者的期望。艾伦麦金尼斯说：“低调的声音和可重复的语音元素反映了我们在思考抑郁症时的想法：用单调的声音说话，重复你说的话。
对蜂鸣器的高调反应也与研究人员在之前的工作中发现的反应相似，研究发现，内化障碍儿童在恐惧诱导任务中表现出更大的来自恐惧刺激的转向反应。
语音分析在诊断方面的准确性与早期工作中的运动分析相似，但瑞安麦金尼斯认为在临床环境中使用它会容易得多。恐惧任务需要一个黑暗的房间，一条玩具蛇，一个附着在孩子身上的运动传感器和一个向导，而语音任务只需要一个法官，一种记录语音的方式和一个蜂鸣器来打断。“以这种方式部署将更加可行，”他说。
Ellen McGinnis表示，下一步将把语音分析算法开发成临床使用的通用筛查工具，可能通过智能手机应用程序，可以立即记录和分析结果。语音分析还可以与运动分析相结合，形成一系列技术辅助诊断工具，帮助识别有焦虑和抑郁风险的儿童，即使他们的父母怀疑有任何问题。
其他合著者包括佛蒙特大学的史蒂文p安德罗和里德d古尔奇克，密歇根大学的里德d古尔奇克、内斯特l洛佩兹-杜兰、凯特菲茨杰拉德和玛丽亚穆齐克。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！