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。这项研究评估了基于AI的机器学习生物标志物使用语音模式来检测中度至重度抑郁症的工具，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。