背景和目标:抑郁症每年影响约1800万美国人,而抑郁症筛查很少发生在门诊环境中。这项研究评估了一种基于AI的机器学习生物标志物工具,该工具使用语音模式来检测中度至重度抑郁症,旨在改善初级保健环境中的筛查。
研究方法:该研究分析了来自美国和加拿大成年人的14,000多个语音样本。参与者回答了一个问题:“您今天过得怎么样?”至少有25秒的自由演讲。该工具分析了与抑郁症相关的人声生物标志物,包括语音节奏,犹豫,停顿和其他声学特征。将这些与患者健康问卷-9(PHQ-9)的结果进行了比较,这是一种标准的抑郁筛查工具。PHQ-9分数为10或更高,指示中度至重度抑郁症。AI工具提供了三个输出:检测到抑郁症的迹象,未检测到抑郁症的迹象,并建议进一步评估(对于不确定的情况)。
主要结果:用于训练AI模型的数据集由10,442个样本组成,而在验证集中使用了另外4,456个样品来评估其准确性。
该工具表现出71%的敏感性,正确识别了71%患有抑郁症的人。
特异性为74%,正确排除了74%没有抑郁症的人。
为什么重要的是:研究结果表明,机器学习技术可以作为评估抑郁症的补充决策支持工具。
评估基于AI的语音生物标志物工具,以检测与中度至重度抑郁一致的信号
Alexa Mazur,BA等人
Kintsugi正念健康公司,加利福尼亚州旧金山
/公共发布。来自原始组织/作者的这种材料可能具有时间点性质,并为清晰,风格和长度进行编辑。Mirage.news不采取机构职位或方面,本文所表达的所有观点,立场和结论仅是作者的全部内容。这里。here.