分析口语和三维面部表情来衡量抑郁的严重程度

斯坦福大学的研究人员最近通过分析人们的口语和三维面部表情来探索利用机器学习来衡量抑郁症状的严重程度。他们在arXiv上发表的一篇论文中概述了他们的多模型方法，取得了非常有希望的结果，灵敏度为83.3%，特异性为82.6%。

目前，全球有超过3亿人患有不同程度的抑郁症。在极端情况下，抑郁症可导致自杀，平均每年约有80万人自杀。

目前，精神健康障碍经过各种医疗保健提供者的仔细检查后被诊断出来，包括初级保健医生，临床心理学家和精神科医生。尽管如此，检测精神疾病通常比诊断身体疾病更具挑战性。

包括社会耻辱感，治疗费用和可用性在内的若干因素可能会阻止受影响的个人寻求帮助。目前，研究人员估计，60%受精神疾病影响的人不接受治疗。

开发能够自动检测抑郁症状的方法可以提高诊断工具的准确性和可用性，从而实现更快，更有效的干预措施。斯坦福大学的一个研究小组最近调查了使用机器学习来衡量抑郁症状的严重程度。

“在这项工作中，我们提出了一种用于测量抑郁症状严重程度的机器学习方法，”研究人员在他们的论文中写道。“我们的多模式方法使用三维面部表情和口语，通常可从现代手机获得。”

抑郁的个体经常出现一系列言语和非语言症状，包括单调音调，降低的发音率，较低的说话音量，较少的手势以及更多的向下注视。评估抑郁症状严重程度的最常见测试之一是患者健康问卷(PHQ)。

研究人员设计的方法分析了患者语音的音轨，面部表情的三维视频以及临床访谈的文本转录。基于该数据，该模型产生PHQ评分或表示重度抑郁症的分类标签。

在初步评估中，该模型在PHQ量表上实现了3.67分(相对值15.3%)的平均误差，检测到重度抑郁症，敏感性为83.3%，特异性为82.6%。研究人员选择通过人与人之间的访谈来收集他们研究中使用的数据，而不是人与人之间的访谈。

研究人员写道：“与人类访谈者相比，研究表明，患者在与化身交谈时表现出较低的恐惧感，并表现出更多的情绪激动。” “此外，人们通过向聊天机器人披露情感体验而获得心理上的好处。”

将来，这种新的机器学习方法可以部署在全球的智能手机中，有助于使精神保健更便宜，更便于使用。据研究人员称，他们的模型旨在增强和补充现有的临床方法，而不是发布正式的诊断。

“我们提出了一种多模态机器学习方法，它结合了语音识别，计算机视觉和自然语言处理等技术，”研究人员写道。“我们希望这项工作能激励他人建立基于人工智能的工具来理解抑郁症以外的精神健康障碍。”