核心提示
每年的10月10日是世界精神卫生日，今年是第30个世界精神卫生日。
今日，不少媒体集中关注精神卫生的一个热点话题：抑郁症。据世卫组织最新数据，全球约有3.5亿人患有抑郁症，而中国抑郁障碍终身患病率达6.9%，估算约有9500万患者。据报道，目前中国青少年抑郁检出率高达24.6%，另疫情以来，全球抑郁症和焦虑症病例也猛增了25%以上，其中女性和年轻人是重灾区。惊人的数字，值得社会各界重视。
同时，部分媒体也用广州某中学生为例，告诉大众其实抑郁等心理问题并不容易识别，切莫抱着侥幸心理：这名女生时常睡到日上三竿，还总是很疲倦，别人认为这只是嗜睡，最后经过详细检查发现，这是抑郁症，而睡眠过多是抑郁症的不典型表现。
因此，在今年世界精神卫生日之际，我们特别刊发国外通过“语音分析”等前沿科学领域预测抑郁的研究成果，供社会各界参考，也希望这一领域能成为国内某些团队的攻关方向，造福大众。
上述这些信息都告诉我们，抑郁等心理问题发生率较高，但是受到的重视程度不高。其实不仅在中国如此，据估计，美国超过四分之一的成年人患有某种精神疾病，但在任何一年里，只有不到一半的成年人寻求治疗。而这国内，抑郁障碍患者中，只有9.5%的人曾接受卫生服务机构治疗，得到充分治疗的只有0.5%。
这种缺乏关注的原因，部分是由于获得帮助的可及性方面的问题，但也有许多人在寻求帮助时感到被社会污名化。另外，许多患者和医疗健康服务提供者也没有识别出抑郁症的体征，比如面部表情和声音的变化。
但是，如果有一种简单、可以被广泛使用、又私人化的方法能使用这些生物标志物来评估一个人的心理健康状况呢？
欢迎来到数字医学的新时代。
最近的技术进步利用机器学习技术来分析简单的语音记录，用以筛查和监测抑郁症。即使在缺乏医疗健康服务的地区，心理健康专业人士只要配备一部智能手机，用录音软件录下声音，就可以利用这种无创的方式来评估患者的心理健康状况。
1
利用人工智能检测声音的生物标志物
使用语音分析来帮助监测疾病是应用健康人工智能（AI）研究的一个成长领域。利用类似的机器学习和分类任务的诊断方法已经开始在医学领域得到应用，例如筛查新冠肺炎或评估慢性阻塞性肺疾病的发作。
这些应用得以实现的原理是，当疾病相关的呼吸系统症状影响到说话者的声音时，说话者的声音会发生微妙但可测量的变化。
但我们的声音不仅受到生理特征的影响，它也受到说话者认知加工和运动控制的影响。
情绪研究发现，与声音相关的度量与不同的情绪有关。语速、音质、音高和语音强度都敏感地受到说话者情绪状态的影响。
例如，抑郁症患者的说话速度较慢，音调变化较小，说话更柔和，言语运动协调能力下降。
这些特征可能是很微妙的，心理咨询师不容易注意到，更不用说以此预测抑郁症了。
但是新的研究表明，利用计算算法的力量，分析复杂的语音特征可以提供一种经济有效且简单的方法来诊断和监测抑郁症。
在一项旨在确定语音特征提取和分析如何成功识别抑郁个体的研究中，研究人员只需要一个简短的语音样本，让参与者回答一个简单的问题，比如“你的年龄是多少？”，或者对着智能手机应用程序发出一个持续的元音，比如“啊——”。
参与者还填写了人口和健康调查问卷。研究人员随后将这些录音作为抑郁症检测模型的训练和测试数据。
结果如何？
在大多数情况下，这些模型通过语音特征分析评估抑郁症，其准确率约为75%到80%。一些人工智能公司，如Sonde Health和CompanyMX，已经开始与医疗保健提供商合作，将这些类型的工具引入临床环境。
2
快捷、私密、随时可获得
虽然还达不到理想化的100%准确率的目标，但它使用如智能手机这种随处可得的设备，检测流程快速、自动化，且不需要患者亲自在场。
对于那些由于污名化、缺乏交通工具或距离较远而不愿前来检查的患者来说，这是一个很好的选择，当然这也需要患者意识到并同意参与这个过程。
另一个好处是，它可以帮助医生在随访时，识别患者是否患有抑郁症，尤其是对那些在直接和医生谈论自己心理健康状况时感到不舒服的患者来说。
更具前景的是，它不仅可以作为一种工具对患者进行初步筛查，还可以作为一种早期预警系统，提示患者可能需要帮助或改变治疗计划。
事实上，一些应用程序已经开发出提示功能，提醒用户（同样是在征得同意的情况下）定期记录简短的语音样本，可以对这些样本进行分析，以检查抑郁症的生物标志物，并为他们的医疗团队提供一种更好地追踪两次就诊期间患者情绪起伏的方法。
简而言之，我们的智能手机很可能成为心理健康治疗的下一个前沿领域，让更多的抑郁症患者可以选择不引人注目的筛查和监测方式。
当然，关键在于，这种只是探索的检测模式，应该与医疗卫生专业人员配合使用，而不是取代他们。
您还想看到“心理信息共享”“自我成长”什么方面内容？或者，想看一杯咖啡编辑部推送关于其他什么方面、主题的文章？
联系客服
