AI речевият анализ може да открие депресия при малки деца

Ново изследване предполага, че алгоритъм за машинно обучение може да открие признаци на тревожност и депресия в речевите модели на малки деца. Техниката може да бъде по-бърз и лесен начин за откриване на трудно забележими нарушения при младите хора. Ранното откриване на емоционални проблеми е важно за осигуряване на навременна грижа.

Изследователите обясняват, че около едно на всеки пет деца страдат от тревожност и депресия, известни общо като „интернализиране на разстройства“. Признаците на разстройството обаче са трудни за разпознаване, тъй като децата на възраст под осем години не могат надеждно да изразят емоционалното си страдание, което прави състоянието трудно забележимо.

Необходимостта от своевременна диагностика е важна, тъй като достъпът до доставчик, независимо дали става въпрос за графици или получаване на застрахователна проверка, често е трудоемък процес.

„Нуждаем се от бързи, обективни тестове, за да хванем децата, когато страдат“, каза д-р Елън Макгинис, клиничен психолог от Центъра за деца, младежи и семейства в Медицинския център на Университета във Върмонт и водещ автор на изследването. „По-голямата част от децата под осем години не са диагностицирани.“

Изследването се появява в Списание за биомедицинска и здравна информатика.

Ранната диагностика е от решаващо значение, тъй като децата реагират добре на лечението, докато мозъкът им все още се развива, но ако не се лекуват, те са изложени на по-голям риск от злоупотреба с вещества и самоубийство по-късно в живота.

Стандартната диагноза включва 60-90-минутно полуструктурирано интервю с обучен клиницист и техен първичен лекар.

Макгинис, заедно с биомедицинския инженер от Университета във Върмонт и старши автор на изследването Райън Макгинис, търси начини да използва изкуствен интелект и машинно обучение, за да направи диагностиката по-бърза и по-надеждна.

Изследователите са използвали адаптирана версия на задача за индуциране на настроението, наречена Trier-Social Stress Task, която има за цел да предизвика чувство на стрес и безпокойство у субекта.

Група от 71 деца на възраст между три и осем години бяха помолени да импровизират триминутна история и казаха, че ще бъдат съдени въз основа на това колко интересно е било. Изследователят, действащ като съдия, остана строг през цялата реч и даде само неутрална или отрицателна обратна връзка. След 90 секунди и отново с оставащи 30 секунди би се чул зумер и съдията щеше да им каже колко време остава.

„Задачата е създадена да бъде стресираща и да ги вкара в мисленето, че някой ги съди“, казва Елън Макгинис.

Децата също бяха диагностицирани с помощта на структурирано клинично интервю и въпросник за родители, и двете добре установени начини за идентифициране на интернализиращи разстройства при деца.

Изследователите са използвали алгоритъм за машинно обучение, за да анализират статистическите характеристики на аудиозаписите на историята на всяко дете и да ги свържат с диагнозата на детето. Те откриха, че алгоритъмът е много успешен при диагностицирането на деца и че средната фаза на записите, между двата зумера, е най-предсказуемата за диагнозата.

„Алгоритъмът успя да идентифицира деца с диагноза интернализиращо разстройство с 80 процента точност и в повечето случаи това се сравняваше наистина добре с точността на контролния списък на родителите“, казва Райън Макгинис.

Освен това може да даде резултатите много по-бързо - алгоритъмът изисква само няколко секунди време за обработка, след като задачата е завършена, за да предостави диагноза.

Алгоритъмът идентифицира осем различни аудио характеристики на речта на децата, но по-специално три се открояват като силно показателни за интернализиране на разстройствата: гласове с нисък тон, повтарящи се рефлексии на речта и съдържание и по-висок отговор на изненадващия зумер.

Елън Макгинис казва, че тези функции се вписват добре в това, което може да очаквате от някой, страдащ от депресия. „Нисък глас и повтарящи се речеви елементи отразяват това, за което мислим, когато мислим за депресия: говорейки с монотонен глас, повтаряйки това, което казвате“, казва Елън Макгинис.

По-високият отговор на зумера също е подобен на отговора, който изследователите са открили в предишната си работа, където е установено, че децата с интернализиращи разстройства показват по-голяма реакция на отклоняване от страшен стимул при задача за индукция на страх.

Гласовият анализ има подобна точност при диагностицирането на анализа на движението в тази по-ранна работа, но Райън Макгинис смята, че би било много по-лесно да се използва в клинична обстановка.

Задачата за страх изисква затъмнена стая, играчка-змия, сензори за движение, прикрепени към детето и водач, докато гласовата задача се нуждае само от съдия, начин за запис на реч и зумер за прекъсване. „Това би било по-осъществимо за разполагане“, казва той.

Елън Макгинис казва, че следващата стъпка ще бъде разработването на алгоритъма за анализ на речта в универсален скринингов инструмент за клинична употреба, може би чрез приложение за смартфон, което може незабавно да записва и анализира резултатите.

Гласовият анализ може също да се комбинира с анализа на движението в батерия от технологични асистирани диагностични инструменти, за да помогне за идентифицирането на децата в риск от тревожност и депресия, дори преди родителите им да подозират, че нещо не е наред.

Източник: Университет във Върмонт