我写过几次关于商业应用和研究项目的文章，旨在通过倾听我们的声音，及早发现各种疾病，包括阿尔茨海默氏症和帕金森氏症。应用范围继续扩大，阿尔伯塔大学的一个团队展示了一个系统，可以执行同样的治疗抑郁症的技巧。
这项工作被记录在最近发表的论文中，它使用标准的基准录音集来开发一种方法，利用一系列机器学习算法来提供比传统方法更准确的诊断。
这项研究建立在先前的研究基础上，该研究强调了我们声音的音色在帮助确定我们情绪方面所起的关键作用。该团队希望他们最终能够开发一个商业应用程序，以帮助用户进行自我诊断。
“一个现实的情况是让人们使用一个应用程序，这将收集语音样本，因为他们自然说话。该应用程序，在用户的手机上运行，将识别和跟踪情绪指标，如抑郁症，随着时间的推移。就像手机上有一个步进计数器一样，在使用手机时，您可以根据声音进行抑郁指示器。
由于抑郁症在一生中的某个时候影响了大约15%的加拿大人，研究小组认为，这种工具对于帮助人们更好地思考自己的情绪，并更好地了解自己的心理健康状况至关重要。
作者总结道：”这项工作，在标准基准数据集中开发更精确的检测，是第一步。
活动工作
它加入了许多其他有趣的项目，类似的工作。大约18个月前，我写了一些有趣的新研究，通过倾听我们的声音，能够准确预测抑郁症。虽然可以说，这种工作尚未推向市场，但佛蒙特大学最近的一项研究强调了该领域仍在进行的工作。
它揭示了使用机器学习来发现20%的幼儿中抑郁和焦虑的迹象，这些幼儿被认为患有某种形式的焦虑或抑郁。诊断儿童年幼的情况是困难的，因为他们不能可靠地表达他们的感受，这可能导致许多儿童得不到诊断，因此得不到治疗。
与许多疾病一样，越早诊断儿童心理健康问题越好，但幼儿尤其如此，因为他们的大脑仍在发育，因此未经治疗的情况很容易发展成药物滥用等疾病。晚年生活。传统的诊断方法包括与临床医生进行半结构化的访谈，但研究人员认为人工智能在准确性和速度方面都能做得更好。
研究人员开发了特里尔-社会压力任务的修改版本，旨在唤起受试者的压力和/或焦虑感。这涉及到让一群志愿者的孩子即兴制作一个短篇故事，每个故事都是根据故事的趣味性来判断的。除了测试之外，每个孩子还接受了有条理的临床访谈，以测试各种问题。
然后使用机器学习算法分析每个故事的录音的各种统计特征，将它们与孩子的诊断联系起来。研究人员发现，该算法在诊断儿童方面是成功的，其中一点在预测能力方面最为重要。研究人员解释说
该算法能够以 80% 的准确率识别诊断为内化障碍的儿童，在大多数情况下，该诊断与父检查表的准确性相比非常好。
该团队计划进一步将该系统开发成一种筛选工具，可用于临床环境，甚至可能通过应用程序使用。它甚至可以与运动分析或其他诊断工具相结合，以更好地识别有抑郁和焦虑风险的儿童，团队相信，他们甚至在父母怀疑有什么错误之前也能提供诊断。