机器学习算法基于语言模式辅助诊断抑郁症

南加州大学的研究人员近日开发了一款新的机器学习工具，它能够检测出某些语言相关的诊断标准，来评估患者的抑郁症情况。这款工具名为SimSensei，它在医生问诊过程中监听患者语言表达过程中的心理和神经性紊乱异常状况，这些异常很难被问诊者所察觉。当然，这款工具并不是要取代那些问诊人员，而是在诊断过程中增加额外的客观评判。

这个团队的工作成果发表在IEEE Transactions on Affective Computing杂志上。

抑郁症的误诊断是一类严重的健康问题，尤其是当主管医生确诊（或是误诊）了病情。2009年的一项调查覆盖了大约50000位病人，大概只有一半的病人被正确地识别为抑郁症患者，假阳性的数量远远超过了假阴性的数量，比例约为3：1。这个结果我们完全无法接受。

但这也是可以理解的。医生，特别是全科医生，很有可能因为两种简单而相关的因素过度诊断某种疾病：第一个原因，错误地确诊某种疾病总是比没有诊断出某种疾病更安全；第二个原因，消除任何单一诊断的可能性需要更丰富的专业知识和更大的把握。参见：滥用抗生素事件。

抑郁症诊断所面临的一个巨大问题就是它本身是一种异质性的疾病。抑郁症有许多不同的病因，并且有很多表现形式。设想一个主管医生每周要接诊几百位患者，他们的病情也五花八门，从一堆症状明显、一般问诊就能确诊的病例中发现精神疾病诊断的难度可想而知。这就存在了非常巨大的漏洞，正需要SimSensei之类的技术来填补。

SimSensei在语音中所跟踪的抑郁症相关特征已经得到了文献的支持。“之前的调查研究显示，抑郁症患者往往表现出平淡的或者负面情绪，说话的响度和音调变化减弱，话语减少了，语速也放缓，停顿增多，停顿时间也忽长忽短”，引自南加州大学发表的论文，“而且，抑郁的语言听上去显得声道和声带更紧张。”

这属于典型的机器学习问题，即根据携带噪音的数据做出预测。通常所说的语音分析就是此领域的主要分支之一。

这里所做的分析很简单。只保留患者语音的元音发音部分，然后在频域分析a、i、u元音的第一、第二个共振峰（频谱峰值）。这个过程的前两部分涉及了实际语音检测器和一个相应的共振峰跟踪。第三部分是算法，是一个相对较老（1967年提出）的机器学习方法，就是k-means算法。本质上，它的工作原理是通过收集数据集，并将它们按照均值或特定的类中心聚成多个类。

聚类的结果是一个三角形的空间或者图，a，i，u的频谱峰值分别位于三个角。这个三角形包含的区域代表一个元音空间，这是算法得到的结果。然后，将此空间与一个“正常”的元音参照空间做比较，这个比例就作为抑郁症（和创伤后应激障碍PTSD）的指标。

“我们评估了253位实验对象的自动评估元音空间，证明了新的检测手段检测到抑郁症和创伤后应激障碍患者的元音空间有显著减小，”南加州大学的研究小组总结道，”我们证明了在测试部分交互或数量有限的语音数据时，新技术是健壮的，印证了该方法的实用性。最后，我们成功地显示了该测试结果在不同个体和不同发音速率上的统计鲁棒性。

抑郁症患者与非抑郁患者的元音空间比率并非差距悬殊，但这个差距也足以说明问题。该项研究的最重要的问题可能是抑郁症/忧郁症的初始分类，这是基于受试者的自我评估。此外，元音空间减少似乎并不局限于抑郁症和创伤后应激障碍，需要在诸如精神分裂症和帕金森氏病上进一步研究。