Suche
Mein Konto
A gépi tanulás kiegészítő döntéstámogató eszköz lehet a depresszió felmérésében
Háttér és cél: A depresszió becslések szerint évente 18 millió amerikait érint, de a depresszió szűrésére ritkán kerül sor ambuláns körülmények között. Ez a tanulmány egy mesterséges intelligencia-alapú gépi biomarker eszközt értékelt, amely beszédmintákat használ a közepesen súlyos vagy súlyos depresszió kimutatására, hogy javítsa a szűréshez való hozzáférést az alapellátásban. A vizsgálat megközelítése: A tanulmány több mint 14 000 beszédmintát elemzett amerikai és kanadai felnőttektől. A résztvevők a következő kérdésre válaszoltak: „Milyen volt a napod?” Legalább 25 másodpercnyi szabad formátumú nyelvvel. Az eszköz a depresszióhoz kapcsolódó vokális biomarkereket elemezte, beleértve a beszédfordulatot, tétovázásokat, szüneteket és egyéb akusztikus jellemzőket. Ezek az eredmények alapján készültek…
A gépi tanulás kiegészítő döntéstámogató eszköz lehet a depresszió felmérésében
Háttér és cél: A depresszió becslések szerint évente 18 millió amerikait érint, de a depresszió szűrésére ritkán kerül sor ambuláns körülmények között. Ez a tanulmány egy mesterséges intelligencia-alapú gépi biomarker eszközt értékelt, amely beszédmintákat használ a közepesen súlyos vagy súlyos depresszió kimutatására, hogy javítsa a szűréshez való hozzáférést az alapellátásban.
A vizsgálat megközelítése: A tanulmány több mint 14 000 beszédmintát elemzett amerikai és kanadai felnőttektől. A résztvevők a következő kérdésre válaszoltak: „Milyen volt a napod?” Legalább 25 másodpercnyi szabad formátumú nyelvvel. Az eszköz a depresszióhoz kapcsolódó vokális biomarkereket elemezte, beleértve a beszédfordulatot, tétovázásokat, szüneteket és egyéb akusztikus jellemzőket. Ezeket összehasonlították a Patient Health Questionnaire-9 (PHQ-9), egy standard depressziószűrő eszköz eredményeivel. A PHQ-9 10 vagy magasabb pontszám közepes vagy súlyos depressziót jelez. Az AI eszköz három kimenetet nyújtott: a depresszió jeleit, a depresszió jeleit, amelyeket nem észleltek, és további értékelést (bizonytalan esetekben).
Főbb eredmények: Az AI-modell betanításához használt adatkészlet 10 442 mintát tartalmazott, míg további 4 456 mintát használtak egy validációs készletben a pontosság értékelésére.
-
Az eszköz 71%-os érzékenységet mutatott, és helyesen azonosította a depressziót a betegek 71%-ánál.
-
A specifikusság 74% volt, ami helyesen zárta ki a depressziót a nem szenvedők 74%-ánál.
Miért számít: A tanulmány eredményei azt sugallják, hogy a gépi tanulási technológia kiegészítő döntéstámogató eszközként szolgálhat a depresszió felméréséhez.
Források:
Mazur, A., et al. (2025) Egy mesterséges intelligencia alapú hangbiomarker eszköz értékelése a közepestől a súlyosig terjedő depresszióval összhangban lévő jelek észlelésére. A családgyógyászat évkönyvei. doi.org/10.1370/afm.240091.