Новая нейросеть распознает депрессию по голосовым сообщениям
Новая работа, вышедшая в журнале PLOS Mental Health, демонстрирует, что анализ коротких голосовых сообщений в WhatsApp с помощью моделей машинного обучения позволяет точно диагностировать большое депрессивное расстройство (БДР). Согласно статье Виктора Хо Отани из Медицинской школы Санта-Каса-де-Сан-Паулу (Бразилия) и его коллег, их модель достигла точности более 91% в определении депрессии у женщин.
Депрессия — это психическое расстройство, которым страдают более 280 миллионов человек по всему миру. Ранняя диагностика критически важна для своевременного лечения. В исследовании использовались большие языковые модели (LLM) для классификации участников, страдающих депрессией, и тех, кто не имеет этого диагноза, на основе аудиозаписей WhatsApp.
Авторская группа провела два этапа исследования: обучающий и тестовый. В обучающем наборе данных участвовало 86 человек (37 женщин и 8 мужчин) с клинически подтвержденным БДР и 41 человек контрольной группы (30 женщин и 11 мужчин). Для тестирования модели использовали данные 74 участников (33 пациента с депрессией и 41 участник контрольной группы). Для тестирования использовали записи, в которых участники описывали свою неделю и выполняли простые задания, такие как счет до 10.
Результаты теста нейросети
Результаты показали, что модели с наивысшими показателями точности достигали 91,9% для женщин, но их точность для мужчин была ниже — 75%. Это может быть связано с преобладанием женщин в обучающей выборке и различиями в речевых паттернах между полами. В то же время, при анализе сообщений «счет до 10», точность классификации была более сбалансированной: 82% для женщин и 78% для мужчин.
Авторы исследования надеются, что дальнейшее развитие этих моделей поможет создать доступные инструменты для скрининга депрессии. Это также откроет возможности для других клинических и исследовательских применений.
«Наше исследование подтверждает, что анализ акустических паттернов в спонтанных голосовых сообщениях может быть эффективным способом выявления депрессии. такие цифровые инструменты могут стать полезными в повседневной практике», — отметил руководитель исследования Лукас Маркес.
