人工智能如何检测患有焦虑和抑郁症的儿童
最近，佛蒙特大学的研究人员和他们的同事宣布发明了一种人工智能（AI）筛查工具，可以高度准确地检测儿童的焦虑和抑郁情绪。他们于2019年4月在IEEE Journal of Biomedical and Health Informatics（《IEEE生物医学和健康信息学》）杂志上发表了他们的研究结果。
与成人一样，儿童也会经历焦虑和抑郁的内化障碍。然而，与成人不同，幼儿通常难以表达症状，这使得医疗保健专业人员难以准确诊断和治疗。在生命早期开始的精神症状可能会在青春期和成年期成为慢性病。拥有可以客观地筛查儿童焦虑和抑郁的工具是幼儿期干预的宝贵资产，以防止未来可能导致药物滥用、自杀风险和其他心理健康问题的问题。
据Ellen W. McGinnis、Maria Muzik、Kate Fitzgerald、Katherine L. Rosenblum，Jessica Hruschak，Ryan McGinnis，Steven P. Anderau，Reed D. Gurchiek和Nestor L. Lopez-Duran的研究小组称，近20％的儿童患有焦虑或抑郁的内化障碍。
研究人员使用特里尔社会压力测试（Trier-Social Stress Task）的一个修改版本，这是一种在测试者身上引起压力和焦虑的评估工具，记录了71名年龄在3到8岁之间的儿童的音频，这些儿童被要求创造一个3分钟的故事，并根据故事的趣味性进行评分。90秒后蜂鸣器会响起，在还剩30秒时蜂鸣器会再次响起。采用标准方法——临床访谈和家长问卷对儿童进行评估。
音频记录被输入一个人工智能机器学习算法来分析统计特征。该团队发现，三个音频特征特别强烈地表明和识别内化障碍——低音调的声音，对蜂鸣器做出更高音调的响应，以及可重复的语音变化和内容。
研究人员写道，“我们证明，对任务中的音频数据进行机器学习分析，可以用来识别具有80%准确度（54%敏感度，93%特异性）的内化障碍儿童，”并且，“一旦任务完成，该算法只需几秒钟的处理时间即可提供诊断。“
研究人员报告的结果“指向未来使用这种方法筛查儿童的内在障碍，以便能够在干预措施获得长期成功的可能性最大时进行部署。”
作为后续步骤，该团队计划进一步开发用于临床的语音分析算法，以帮助基于语音分析检测儿童的焦虑和抑郁。希望他们的工作将实现高效的方法，以便对那些不仅难以识别，而且经常被儿童忽视的心理健康状况提供一种客观、快速的诊断方法。
版权所有©2019 Cami Rosso保留所有权利。