根据发表在“华尔街日报”上的一项新研究，机器学习算法可以检测幼儿语音模式中的焦虑和抑郁迹象，可能提供一种快速简便的方法来诊断年轻人难以发现和经常被忽视的病症。生物医学和健康信息学。

大约五分之一的儿童患有焦虑和抑郁症，统称为“内化障碍”。但是因为8岁以下的孩子无法可靠地表达他们的情感痛苦，成年人需要能够推断他们的精神状态，并认识到潜在的心理健康问题。与心理学家约会的等待名单，保险问题以及父母未能识别症状都会导致儿童错过重要治疗。

佛蒙特大学医学中心佛蒙特儿童，青少年和家庭中心的临床心理学家，该研究的主要作者艾伦麦金尼斯说：“我们需要快速，客观的测试，以便在孩子受苦时抓住他们。”“大多数八岁以下的孩子都未被诊断出来。”

早期诊断至关重要，因为儿童在大脑仍处于发育状态时对治疗反应良好，但如果不及时治疗，他们在生命后期就有更大的药物滥用和自杀风险。标准诊断包括与经过培训的临床医生及其主要护理人员进行60-90分钟的半结构式访谈。McGinnis与佛蒙特大学生物医学工程师和研究高级作者Ryan McGinnis一直在寻找使用人工智能和机器学习的方法，以使诊断更快，更可靠。

研究人员使用了一种称为特里尔 – 社会压力任务的情绪诱导任务的改编版本，该任务旨在引起受试者的压力和焦虑感。一群71名年龄在3到8岁之间的孩子被要求即兴创作一个三分钟的故事，并告诉他们将根据它的有趣程度进行评判。作为法官的研究员在整个演讲期间仍然严厉，只给出了中立或负面的反馈。90秒后，再过30秒，蜂鸣器响起，法官会告诉他们剩下多少时间。

艾伦麦金尼斯说：“这项任务的目的是让人感到压力，并将他们置于有人评判他们的心态。”

孩子们也被诊断出使用结构化的临床访谈和父母问卷调查，这两种方法都是确定儿童内化障碍的完善方法。

研究人员使用机器学习算法分析每个孩子故事的录音的统计特征，并将其与孩子的诊断联系起来。他们发现该算法在诊断儿童方面非常成功，并且两个蜂鸣器之间录音的中间阶段是最可预测的诊断。

“该算法能够识别出诊断为内化障碍的儿童，准确率为80%，并且在大多数情况下，与父母检查表的准确性相比非常好，”Ryan McGinnis说。它还可以更快地给出结果 – 一旦任务完成，算法只需要几秒的处理时间来提供诊断。

该算法确定了儿童语音的八种不同的音频特征，但其中三种特别突出显示内化障碍：低音调声音，可重复的语音变化和内容，以及对令人惊讶的蜂鸣器的高音调响应。Ellen McGinnis表示，这些功能非常适合您对患有抑郁症的人的期望。“低调的声音和可重复的语音元素反映了我们在思考抑郁症时的想法：用单调的声音说话，重复你说的话，”艾伦麦金尼斯说。

对蜂鸣器的高调响应也类似于研究人员在之前的工作中发现的反应，其中发现患有内化障碍的儿童在恐惧诱导任务中表现出来自恐惧刺激的更大的转身反应。

语音分析在诊断中与早期工作中的运动分析具有相似的准确性，但Ryan McGinnis认为在临床环境中使用它会容易得多。恐惧任务需要一个黑暗的房间，玩具蛇，附在孩子身上的运动传感器和一个向导，而语音任务只需要一个法官，一种记录语音的方式和一个用来打断的蜂鸣器。“这样部署起来会更加可行，”他说。

Ellen McGinnis表示，下一步将是将语音分析算法开发成临床使用的通用筛选工具，可能通过可以立即记录和分析结果的智能手机应用程序。语音分析还可以与运动分析相结合，形成一系列技术辅助诊断工具，帮助识别处于焦虑和抑郁风险中的儿童，即使他们的父母怀疑有任何问题。

其他研究合着者包括佛蒙特大学的Steven P. Anderau和Reed D. Gurchiek以及密歇根大学的Reed D. Gurchiek，Nestor L. Lopez-Duran，Kate Fitzgerald和Maria Muzik。