近期发表在《华尔街日报》上的一份报导显示，研究人员发现AI算法可以通过幼儿的语言模式检测出是否有焦虑和抑郁的迹象。这项最新研究发表在《生物医学和卫生信息学》上。
据统计，全世界大约有五分之一的儿童患有焦虑和抑郁，也称为“内化障碍”。8岁以下的儿童很难主动且准确表达他们内心的痛苦，成年人便需要推断他们的精神状态，发现潜在的精神健康问题。许多孩子之所以患了抑郁症也没能得到及时有效的治疗，除了医生资源问题、保险问题的原因，还有很大一部分原因，是父母根本没有意识到孩子已经出现了抑郁症迹象。
佛蒙特大学医学中心负责儿童、青少年和家庭心理学研究的临床心理学家艾伦·麦金尼斯是这项研究的主导者。“大多数8岁以下的孩子罹患抑郁症都没有被诊断出来，这情况很不乐观，我们需要快速、及时的测试来捕捉到孩子们内心的痛苦。”
儿童在大脑发育期间对治疗反应良好，因此早期诊断非常重要，发现问题及时治疗可以避免被痛苦折磨；但如果治疗不及时，发展到后期可能会滥用药物，甚至自杀。艾伦·麦金尼斯与佛蒙特大学生物医学工程师、研究报告资深作者瑞恩·麦金尼斯一直在试图寻找利用人工智能协助更快诊断儿童抑郁症的方法。
研究人员使用了一种经过设计调整的情绪诱导任务，成为“试炼社交压力任务”(try - social Stress task)，目的是让受试者产生压力和焦虑感。实验安排了71名年龄在3-8岁之间的儿童，要求他们即兴创作一个三分钟的故事，然后会对他们的故事精彩程度进行打分。任务进行过程中，评委全程保持严厉态度，只给出中性或负面反馈。受试者在90秒、150秒时，会听到蜂鸣器报警声，评委会告诉他们比赛剩余的时间。艾伦·麦金尼斯说：“这项任务的设计初衷是让他们感受到压力，包括时间和成绩的压力，让他们感到自己处于被审视状态。”
任务进行的同时，研究人员使用AI算法分析每个孩子的故事录音，提取一些数据特征，与诊断结果联系起来。他们发现这种算法在诊断儿童方面非常成功，而两个蜂鸣器响起时的录音诊断是最具诊断价值的阶段。“该算法能够识别出患有内化障碍诊断的儿童，准确率高达80%，而且多数情况下，比父母观察得出的结果更加准确。”瑞安·麦金尼斯表示，AI算法可以非常快得出结果——一旦任务完成，只需要几秒钟时间处理就可以提供诊断。
该算法识别出儿童语言的8种不同音频特征，其中有3种特别突出，高度显示儿童的内化障碍：音调较低，语音变化和内容重复，以及对蜂鸣器报警声做出高音调反应。艾伦·麦金尼斯解释说，低沉的声音、说话重复、报警声响起时音调随之提高，都是患抑郁症的征兆。
对于蜂鸣器的高音调反应，其实之前也有研究发现类似结果，那就是有内化障碍的儿童在恐惧诱导任务中对恐惧刺激表现出更大的回避反应。
声音分析和运动分析在诊断上有相似的准确性，瑞恩·麦金尼斯认为声音分析在临床上更加实用。恐惧任务需要很多道具，比如黑暗的房间、玩具蛇、连接在孩子身上的运动传感器、任务指示向导等，而语音任务只需要一个评委、一个AI声音分析算法和一个蜂鸣报警器就可以，这显然更容易实现。
艾伦·麦金尼斯表示，下一步将把语音分析算法开发成一种通用的临床筛查工具，通过智能手机应用程序就可以立即记录和分析结果，同时还可以与动作分析相结合，形成一系列技术辅助诊断工具，希望能够在父母没有察觉出异常之前，帮助识别儿童的抑郁趋势，以便及时提供心理辅导和治疗。
