目前，已经有一些只听声音就可提供早期疾病检测（包括阿尔茨海默氏症和帕金森氏症）的商业App和研究项目存在了，并且该技术的应用范围在不断扩大，阿尔伯塔大学的一个团队就已研发出可以用声音诊断抑郁症的系统。

这项技术能够帮助人们尽早诊断抑郁症。

该研究最近已经发表了论文（https://dx.doi.org/10.1007/978-3-030-18305-9_47），它能利用机器学习算法提供比传统诊疗更为精准的诊断方式。

这项研究已经有相应基础，它充分展示了人类声音在情绪识别方面发挥的关键作用。该团队希望最终设计出一款商业App，帮助用户进行自我诊断。

“我们的设想是，在现实生活中，人们可以用一个App来收集正常说话时候的录音。这款手机App可以不断识别并跟踪用户的心情指标，例如抑郁程度。它就像手机上的计步器，使用时，手机就会根据用户讲话的声音自动生成抑郁指标。”

15%的加拿大人在一生中总会有一段时间受到抑郁症的困扰。该团队认为这款App可以更好地反映人们的情绪，帮助人们更好地了解自身的心理健康情况。

论文中总结道：“提高对标准数据集检测的精确度，这仅是我们工作的第一步。”

该研究还与许多其他类似项目有所合作，这些项目都很有趣，虽然大多技术目前还没能进入市场，但相关研究仍在继续开展。

佛蒙特大学最近就发表了一项研究。该研究利用机器学习对可能患有抑郁和焦虑的幼儿进行了检测，并在20%的幼儿身上监测到了相关迹象。诊断幼儿的情况一般比较困难，因为他们无法清楚表达自身的感受，这也导致了许多患病儿童未能接受诊疗。

正如很多其他疾病，儿童的心理健康问题越早发现越好。对于幼儿来说，这尤其重要，因为他们的大脑还处于发育期，不及时治疗很可能导致长大后滥用药物。传统的诊断方法是临床医生对儿童进行半结构化的问诊，但研究人员认为AI诊断的准确性和速度都超过人类。

研究人员对社交压力测试(Trier-Social Stress Task)进行了升级，升级后的测试可以引发受试者的压力和（或）焦虑感。测试方式包括要求一群志愿者儿童即兴创作小故事，点评员根据故事的趣味程度对其进行点评。根据给出的指示，点评员必须做出中立或消极的评价，同时必须保持严肃的语气。此外，每个孩子还会接受结构化的临床问诊，以接受各方面的测试。

接着，研究人员会利用机器学习算法来分析每个故事录音中的各种数据特征，并将其作为诊断依据。他们发现该算法的诊断较为成功，而且用故事录音的中间部分作为预测依据往往最为准确。研究人员表示：

“这一算法能够诊断出有内化问题的儿童，准确率为80％，而且大多数情况下，它的诊断结果和父母提供的检查表都非常符合。”

该团队还计划进一步开发该技术，将其设计成可以应用于临床环境中的监测工具，甚至是设计成一款App。它也可以和其他运动分析和诊断工具相结合，以更好地检测面临抑郁和焦虑风险的儿童。该团队相信，这一技术甚至可以在孩子的父母发现任何迹象之前就做出准确的诊断。

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

编译组：莫菲菲、余书敏
相关链接：
https://dzone.com/articles/using-ai-to-detect-depression-in-our-voice
如需转载，请后台留言，遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读
EMNLP2017论文集28篇论文解读
2018年AI三大顶会中国学术成果全链接
ACL2017 论文集：34篇解读干货全在这里
10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你