人工智能可以从孩子的语言中检测出抑郁情绪

大约五分之一的儿童患有焦虑和抑郁，统称为“内化障碍”。但是，由于8岁以下的儿童不能可靠地说出他们的情感痛苦，成年人需要能够推断出他们的精神状态，并认识到潜在的心理健康问题。预约心理医生的等候名单，保险问题，以及父母没有意识到症状，这些都导致孩子错过了重要的治疗。

“我们需要快速、客观的测试来发现孩子们的痛苦，”Ellen McGinnis说，她是佛蒙特大学医学中心佛蒙特儿童、青年和家庭中心的临床心理学家，也是这项研究的主要作者。“大多数8岁以下的孩子都没有被诊断出来。”

早期诊断至关重要，因为儿童在大脑发育期间对治疗反应良好，但如果他们得不到治疗，他们在以后的生活中滥用药物和自杀的风险更大。标准诊断包括与一名训练有素的临床医生和他们的主要护理人员进行60-90分钟的半结构化访谈。McGinnis和佛蒙特大学生物医学工程师、研究资深作者Ryan McGinnis一起，一直在寻找利用人工智能和机器学习使诊断更快、更可靠的方法。

研究人员使用了一种被称为“特里尔社会压力任务”(Trier-Social Stress task)的情绪诱导任务的改编版本，该任务旨在让受试者产生压力和焦虑的感觉。71名年龄在3到8岁之间的孩子被要求即兴创作一个3分钟的故事，并被告知他们将根据故事的有趣程度来评判。作为法官的研究员在整个演讲过程中始终保持严肃，只给出中性或负面的反馈。90秒后，还有30秒的时候，蜂鸣器会响，裁判会告诉他们还有多少时间。Ellen McGinnis说:“这个任务设计得很有压力，让他们觉得有人在评判他们。”

这些儿童也通过结构化的临床访谈和父母问卷进行诊断，这两种方法都是确定儿童内化障碍的公认方法。

研究人员使用机器学习算法来分析每个孩子故事的音频记录的统计特征，并将它们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，而且录音的中间阶段，也就是两个蜂鸣器之间，对诊断的预测能力最强。Ryan McGinnis说:“该算法能够以80%的准确率诊断出患有内化障碍的儿童，在大多数情况下，与父母检查表的准确率相比非常好。”它还可以更快地给出结果——一旦任务完成，算法只需要几秒钟的处理时间就可以提供诊断。

该算法识别出了孩子们说话的八种不同的音频特征，但其中有三种特别突出，高度表明了他们的内化障碍:低沉的声音，具有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反应。Ellen McGinnis说，这些特征很符合人们对抑郁症患者的预期。Ellen McGinnis说:“当我们想到抑郁症时，一个低沉的音调和可重复的语言元素反映了我们的想法:用单调的声音说话，重复你所说的话。”

对蜂鸣器的高音反应也类似于研究人员在他们之前的工作中发现的反应，有内化障碍的儿童被发现在恐惧诱导任务中对恐惧刺激表现出更大的转向反应。

声音分析在诊断方面的准确性与早期工作中的动作分析相似，但Ryan McGinnis认为它在临床环境中更容易使用。恐惧任务需要一个黑暗的房间，玩具蛇，连接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，一种记录讲话的方法和一个蜂鸣器来打断。他表示:“这将更加可行。”

Ellen McGinnis说，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，也许通过智能手机应用程序，可以立即记录和分析结果。语音分析还可以与动作分析结合，形成一套技术辅助的诊断工具，从而在孩子的父母甚至还没有察觉出问题之前，帮助他们识别出有焦虑和抑郁风险的孩子。