近日，一项研究表明，机器学习算法可以检测儿童言语模式中的焦虑和抑郁迹象。这项研究发表在了Biomedical and Health Informatics上，为诊断在儿童群体中经常被忽视的病症，提供了一种快速简便的方法。
每五个儿童中，就有一个儿童受到焦虑和抑郁的困扰，这些症状统称为“内化行为障碍”（internalizing disorders）。但是，由于8岁以下的儿童不能及时和确切地表达他们的情感困扰，因此家长们需要能够推断孩子们的精神状态，并识别潜在的心理健康问题。
早期诊断心理健康问题对于孩子们的成长非常关键。儿童在大脑发育时对治疗反应良好，但如果没能及时治疗的话，他们在以后的生活中容易发生药物滥用和自杀等行为。因此，研究人员一直在利用AI和机器学习技术，来探索更快和更可靠的诊断方法。
▲早期诊断儿童的心理健康问题对他们的成长非常重要（图片来源：123RF）研究人员使用了一种被称为“特里尔社会应激测试”（Trier-Social Stress Task）的情绪诱导测试法并进行改进，旨在引起受试者的压力和焦虑感。在测试中，71名3-8岁的儿童被要求即兴制作一个长度3分钟左右的故事，由研究人员担当的裁判们将根据故事的有趣程度进行打分。裁判在孩子们的展示过程中都表现得非常严厉，只给出了中立或消极反馈。90秒过后以及还剩30秒钟的时候，计时器会响起，裁判也会示意还剩多少时间。同时，这些孩子还将接受结构式临床访谈以及父母问卷调查，这两种方法都是公认的内化行为障碍诊断方法。
研究人员使用机器学习算法分析每个孩子故事录音的统计特征，并将它们与孩子的诊断结果联系起来。他们发现算法在诊断方面非常成功，其中在计时器两次响起之间的记录对诊断结果最具预测性。该算法识别出了孩子们讲话中的8种不同音频特征，其中3种表明可能会与内化行为障碍有关，分别是：低沉的声音、不断反复的音调和内容、以及计时器突然响起时变高的音调。这些特征都和抑郁症的特征相符合。
研究人员表示，该算法能够以80%的准确率识别出患有内化障碍的儿童，超出了传统诊断方式的表现。同时，算法给出结果的速度也快了很多：测试完成后，算法只需要几秒钟的时间就可以提供诊断结果。
研究团队的下一步计划，是把这个语音分析算法变成一款可供临床使用的通用筛查工具，也可能会以手机APP的形式呈现，从而即时对结果进行记录和分析。同时，语音分析还可以与动作分析相结合，成为一系列由技术辅助的诊断工具，从而在其父母意识到问题前，就能帮助识别处于焦虑和抑郁风险中的儿童。
参考资料：
[1] Study: AI can detect depression in a child's speech. Retrieved May 13, 2019, from https://www.eurekalert.org/pub_releases/2019-05/uov-acd050619.php
