AI模型从自然对话中检测抑郁症准确率达77%
- MIT研究人员开发神经网络，从原始音频与文本自动识别抑郁模式，无需预设问题。
- 模型"无语境依赖"，可分析任意闲聊对话，提取与抑郁相关的语言声学线索。
- 验证研究中整体准确率达77%，超越传统问答制AI工具。
传统上，患者健康问卷（PHQ-9）为抑郁筛查金标准。通过固定九个问题询问情绪、睡眠、食欲、精力水平，计算0-27分，20分以上提示重度抑郁。
近年机器学习成功从语音挖掘特征标记——语调、语速、特定词汇选择——暗示抑郁状态。但多数模型依赖PHQ-9或类似结构化访谈回答，限制真实场景适用性。
MIT新神经网络打破该约束。输入自由访谈录音，系统学习识别细微模式——如高频使用"低落""沮丧""悲伤"等词汇，配合扁平单调声质与语速放缓——这些与抑郁强相关。
模型工作原理
算法将语音视为时间戳音频帧序列与转录词汇。采用深度序列建模架构联合分析声学特征（音高、能量、语速）与语言内容。因不依赖固定问卷，可应用于任意对话数据，从临床访谈到日常通话。
作者称之为"无语境建模"，因其独立于具体提问捕捉抑郁指标。
训练、验证与性能
模型在DAIC（痛苦分析访谈语料库）142次互动上训练，含健康参与者与精神障碍确诊者的音频、视频、文本对话。
受试者抑郁严重度以PHQ-9量化（0-27分）。研究中28名参与者被分类为抑郁（分数≥20）。网络按精确率与召回率评估：精确率71%、召回率83%，整体准确率77%——显著优于早期AI方法典型的60-65%准确率。
后续工作将扩展至痴呆等其他病症，探究驱动预测的特定声学-语言模式。
长远看，技术可集成移动App，被动监测用户语音文本中的痛苦信号，为难以获得心理健康服务人群提供早期预警。
参考：Interspeech会议 | CSAIL/MIT
工业技术