Американские ученые использовали машинное обучение для построения модели, которая может по речи ребенка диагностировать депрессию и тревожное расстройство. Им удалось добиться точности диагностики в 80 процентов: в качестве материала они использовали записи рассказов детей, во время которых экспериментатор несколько раз их прерывает. Статья с описанием работы опубликована в IEEE Journal of Biomedical and Health Informatics.
Аффективные расстройства, такие как депрессия и тревожность, могут развиться в сравнительно раннем возрасте. При этом из-за того, что дети часто не могут достоверно выразить свои чувства и эмоции, они нередко остаются незамеченными. Несмотря на то, что детский мозг обладает куда лучшей пластичностью, чем мозг взрослого, и с появившейся проблемой может справиться самостоятельно (без помощи специалистов), расстройство все равно может затянуться и даже сказаться на психическом здоровье в более позднем возрасте — именно поэтому ученые ищут способы достоверной диагностики.
Исследованиями в этой области занимаются, к примеру, ученые под руководством Райана Макгинниса (Ryan S. McGinnis) из Университета Вермонта. Недавно они показали, что по анализу движений ребенка во время опасной ситуации диагностировать депрессию и тревожность у ребенка с точностью до 81 процента. В новой работе они сосредоточились на диагностике депрессии и тревожного расстройства ребенка по речи. Для этого ученые использовали записи историй, которые рассказал 71 ребенок в возрасте от 3 до 7 лет. Каждая запись длилась три минуты; дважды за это время, через 30 секунд и через полторы минуты, звучал гудок, после которого экспериментатор уведомлял ребенка о том, сколько времени у него осталось. Такой метод был выбран затем, чтобы вызвать у ребенка чувство тревожности из-за заканчивающегося на историю времени.
Из всех участников депрессия и тревожное расстройство были диагностированы у 20 детей. Записанные истории разделили на три части (в зависимости от того, когда детей прерывали), после чего выделили несколько пространственных и временных характеристик речи, включая частоту и высоту голоса, паузы и другое. Каждую запись разделили на фрагменты, которые использовались в обучающей и тестовой выборке; в качестве статистического метода для обучения модели ученые использовали логистический регрессионный анализ.
Ученым удалось автоматически определить депрессию и тревожное расстройство по отрывкам речи ребенка с точностью до 80 процентов: такая точность была получена при анализе второго отрывка рассказа — после первого прерывания экспериментатором. В качестве основных параметров, которые помогли отличить детей с аффективным расстройством, ученые выделили сравнительно низкий голос, частые повторы в речи, а также резкую реакцию на внешний стимул (прерывание экспериментатором речи).
Авторы работы, таким образом, показали, что автоматический анализ речи ребенка во время короткого воздействия вызывающего тревогу стимула может быть действенным способом диагностики в раннем возрасте. Ранняя диагностика, в свою очередь, может помочь своевременно начать лечение или профилактику.
В сентябре ученые из Массачусетского технологического института показали, что диагностировать депрессию по речи пациента можно, используя даже несвязанные с тревогой и отрицательными эмоциями отрывки речи. Точность диагностики натренированной ими нейросетью составила 77 процентов.