基于语音特征的探索——AI模型或可助力抑郁症的早筛

据了解，全球每年有5％的成年人患有抑郁症，且在年轻人群体中发病率逐步升高，但这种全球健康危机仍被忽视。抑郁症的早期发现对于有效控制病程至关重要。新疆大学“心语”团队开发出一种新型人工智能模型，团队表示该模型可采用非侵入的手段来筛查识别潜在的抑郁症程度，从而帮助人们尽早发现、诊断和辅助治疗。

根据我国15项抑郁症患者研究的荟萃分析表明，我国抑郁症患者中仅有19．5％接受了相应治疗，这一数据揭示了我国抑郁症治疗领域面临的严峻挑战。分析指出，患者未向医疗保健专业人员披露症状、缺乏寻求专科精神卫生支持的意愿，以及我国精神专科能力建设的不平衡和不充分，尤其是特异性的辅助检查手段亟待丰富和完善是导致治疗率低的主要原因。新疆大学“心语”团队提出的筛查模型，采用频率、音调、语速等语音特征，提供了一种无创且成本低廉的方法，可有效预测受试者的抑郁症程度。

据悉，团队负责人叶子豪等提出了利用Wav2Vec 2．0、WavLM等预训练模型，从语音数据中有效捕捉语音信号中的节段内和节段间的动态抑郁特征，随后通过结合ECAPA－TDNN及GRU混合架构进行抑郁症分类，提升抑郁症的识别准确率。此筛查方案采用先进的深度学习技术与声学交叉融合，已通过教育部科技查新站查新，团队现已授权国家发明专利一项，实用新型专利两项，软件著作权四项。

目前，“心语”团队已初步完成了相应的检测平台和智能检测设备的构建开发。其中三种不同的检测方式：一、用户通过小程序或网页端设备可自行上传半分钟16KHz单通道语音。二、对于企业收集的语音数据量较大时，企业用户可通过网页端实行批量语音上传。三、面向贫困地区，建立语音检测中心，以更加低廉的成本服务大众。

团队负责人叶子豪表示，抑郁症已成为世界第四大疾病形势不容乐观，而传统抑郁症检测手段主要依赖于自评表和他评表等繁多项目，具有着很强的主观性。为此，“心语”进行了基于语音表征的抑郁症模型研究，旨在探索能够表征抑郁症的客观语音特征，已取得了一定的成果。从国家级创新项目的结题到国家级创业项目的立项，我们希望通过人工智能的技术手段，为抑郁症的筛查提供更加科学、更加高效的治疗方式，助力抑郁症的早筛。同时，该项目还提供了很好的数据支持，可以帮助医疗机构更好地了解和分析患者的病情，指导更加个性化的治疗方案。在未来，我们“心语”团队致力于在更加广阔的领域拓展，为更多的抑郁症患者带来福音。我们仍在进行后续的研究和开发工作，相信这项技术将会不断得到完善和扩展，为人们提供更好的服务。（新疆大学）