Maschinelles Lernen könnte ein komplementäres Instrument zur Entscheidungsunterstützung zur Beurteilung der Depression sein

Hintergrund und Ziel: Die Depression wirkt sich jedes Jahr schätzungsweise 18 Millionen Amerikaner aus, doch eine Depressions -Screening tritt im ambulanten Umfeld selten auf. Diese Studie bewertete ein AI-basiertes maschinelles Biomarker-Tool, das Sprachmuster verwendet, um mittelschwere bis schwere Depressionen zu erkennen, um den Zugang zum Screening in der Grundversorgung zu verbessern.

Studienansatz: Die Studie analysierte über 14.000 Sprachproben aus den USA und kanadischen Erwachsenen. Die Teilnehmer beantworteten die Frage: „Wie war dein Tag?“ Mit mindestens 25 Sekunden Freiform-Sprache. Das Tool analysierte Vokalbiomarker im Zusammenhang mit Depressionen, einschließlich Sprachkadenz, Zögern, Pausen und anderen akustischen Merkmalen. Diese wurden mit den Ergebnissen des Patientengesundheitsfragebogens-9 (PHQ-9), einem Standard-Depressions-Screening-Tool, verglichen. Ein PHQ-9-Score von 10 oder höher zeigte eine mittelschwere bis schwere Depression an. Das KI -Tool lieferte drei Ausgänge: Anzeichen von Depressionen, Anzeichen einer Depression, die nicht erkannt wurden, und eine weitere Bewertung (für ungewisse Fälle).

Hauptergebnisse: Der zum Training des KI -Modells verwendete Datensatz bestand aus 10.442 Proben, während weitere 4.456 Proben in einem Validierungssatz verwendet wurden, um die Genauigkeit zu bewerten.

• Das Tool zeigte eine Empfindlichkeit von 71% und identifizierte bei 71% der Menschen, die sie hatten, die Depression korrekt.

• Die Spezifität betrug 74%, was Depression bei 74% der Menschen, die sie nicht hatten, richtig ausgeschlossen hatte.

Warum es wichtig ist: Die Erkenntnisse der Studie legen nahe, dass maschinelles Lerntechnologie als komplementäres Entscheidungsunterstützungsinstrument zur Beurteilung der Depressionen dienen könnte.

Quellen: