Akustische Sprachsignale helfen bei der Identifizierung komorbischer Angst und Depressionen

Es ist kein Geheimnis, dass es in den Vereinigten Staaten eine Krise für psychische Gesundheit gibt. Ab 2021 hatten 8,3% Erwachsene eine schwere depressive Störung (MDD) und 19,1% hatten Angststörungen (AD), und die Covid-19-Pandemie verschärfte diese Statistiken. Trotz der hohen Prävalenz von AD/MDD bleiben die Diagnose- und Behandlungsraten aufgrund einer Vielzahl von sozialen, Wahrnehmungs- und strukturellen Hindernissen bei MDD niedrig – 36,9% für AD und 61,0%. Automatische Screening -Tools können helfen.
In Jasa Express Briefeim Namen der AIP-Publishing der Akustischen Gesellschaft von Amerika, entwickelten Tools für maschinelles Lernen, die nach Comorbid AD/MDD unter Verwendung von akustischen Sprachsignalen unter Verwendung eines einminütigen verbalen Fluency-Tests untersuchen. Die Gruppe besteht aus Forschern der University of Illinois Urbana-Champaign, der Medizinischen Universität von Illinois Peoria und der Southern Illinois University School of Medicine.
Diese Forschung wurde von der Beobachtung inspiriert, dass Personen mit Angststörungen und schweren depressiven Störungen häufig Verzögerungen bei Diagnose und Behandlung ausgesetzt sind. Die Entdeckung von Sprachsignalen, die verschiedene psychiatrische, neurologische, obere Gastrointestinal- und andere Gesundheitszustände widerspiegeln, förderten eine weitere Untersuchung von AD/MDD. „
Mary Pietrowicz, Autorin
AD, MDD und komorbid AD/MDD haben unterschiedliche akustische Signaturen. Komorbid AD/MDD kann besonders eine Herausforderung zu identifizieren sein, da sich die akustischen Marker von AD und MDD häufig gegenseitig widersetzen.
„Ein Großteil der vorhandenen Forschungsergebnisse übersehen diese Unterscheidungen und befasst sich nicht mit den einzigartigen Merkmalen von komorbidem AD/MDD“, sagte Pietrowicz.
Pietrowicz und ihr Team sprachen mit weiblichen Teilnehmern mit und ohne Komorbid AD/MDD. Die Teilnehmer wurden unter Verwendung einer sicheren Telemedizin -Plattform aufgezeichnet und erhielten einen semantischen verbalen Fluency -Test, bei dem sie erforderlich mussten, um so viele Tiere wie möglich innerhalb einer Zeitgrenze zu benennen.
Das Team extrahierte akustische und phonemische Merkmale aus den Aufnahmen von Tiernamen und angewandten Technik für maschinelles Lernen, um Themen mit und ohne komorbid AD/MDD zu unterscheiden. Die Ergebnisse bestätigten, dass ein einminütiges semantisches VFT zum Screening auf AD/MDD zuverlässig verwendet werden kann.
„Die AD/MDD -Gruppe verwendete tendenziell einfachere Wörter, zeigte eine geringere Variabilität der phonemischen Wortlänge und zeigte reduzierte Niveaus und Variation der phonemischen Ähnlichkeit“, sagte Pietrowicz.
Während Pietrowicz schließlich plant, die mit den Ergebnissen verbundenen biologischen Mechanismen zu untersuchen, möchte sie auch das Modell verfeinern. Darüber hinaus würde die Entwicklung eines diagnostischen Tools viel mehr Daten in verschiedenen Populationen und Bedingungen erfordern.
„Unser aktueller Schwerpunkt liegt auf der Erweiterung der Skala, Vielfalt und Modalitäten der Daten, während innovative analytische Techniken angewendet werden, um die Genauigkeit der Modell zu verbessern und unser Verständnis der Signale zu vertiefen“, sagte Pietrowicz.
Quellen:
Pietrowicz, M., et al. (2025) Automated acoustic voice screening techniques for comorbid depression and anxiety disorders. JASA Express Letters. doi.org/10.1121/10.0034851.