Από τη Γιάννα Τριανταφύλλη.
Ομάδα αμερικανών ερευνητών ανέπτυξε ένα αυτοματοποιημένο εργαλείο ανάλυσης φωνής που μπορεί να ανιχνεύσει την κατάθλιψη, καθώς και άλλες ψυχικές διαταραχές, μέσα σε μόλις ένα λεπτό.
Οι αγχώδεις διαταραχές (AD) και οι μείζονες καταθλιπτικές διαταραχές (MDD) αυξάνονται με ταχύτατο ρυθμό σε παγκόσμιο επίπεδο, την ίδια στιγμή όμως πολλοί άνθρωποι που πάσχουν από αυτές τις διαταραχές εξακολουθούν να παραμένουν αδιάγνωστοι.
Μια έγκαιρη και ακριβής διάγνωση είναι το πρώτο κρίσιμο βήμα για τη λήψη της κατάλληλης φροντίδας και θεραπείας, όμως οι παραδοσιακές μέθοδοι προσυμπτωματικού ελέγχου είναι συχνά αναποτελεσματικές, καθώς είναι χρονοβόρες, δαπανηρές και επηρεασμένες από προσωπικές προκαταλήψεις.
Οι ακουστικές δοκιμές με βάση τη φωνή προσφέρουν μια πολλά υποσχόμενη λύση που θα μπορούσε να αντιμετωπίσει τόσο τις προκλήσεις στις τρέχουσες μεθόδους προσυμπτωματικού ελέγχου όσο και τα εμπόδια που προκύπτουν στη φροντίδα των ασθενών.
Προηγούμενες μελέτες έχουν διαπιστώσει ότι τα άτομα που πάσχουν από κατάθλιψη μιλούν με μειωμένο εύρος συχνοτήτων στην παραγωγή φωνηέντων, πράγμα που σημαίνει ότι έχουν πιο επίπεδη φωνή. Αυτά τα μετρήσιμα χαρακτηριστικά στη φωνή κάποιου ονομάζονται παραλεκτικά χαρακτηριστικά και είναι επίσης ανιχνεύσιμα και σε άλλες ψυχικές ασθένειες.
Ταχεία διάγνωση από αυτοματοποιημένο εργαλείο ανάλυσης φωνής
Ομάδα ερευνητών από το University of Illinois Urbana-Champaign, το University of Illinois College of Medicine Peoria και το Southern Illinois University School of Medicine ανέπτυξε ένα νέο αυτοματοποιημένο εργαλείο ανάλυσης φωνής που μπορεί να ανιχνεύσει πολλαπλές ψυχικές διαταραχές μέσα σε μόλις ένα λεπτό.
Χρησιμοποιώντας μηχανική μάθηση, οι ερευνητές σχεδίασαν μια τεχνολογία που αναλύει τα φωνητικά σήματα που εξάγονται μέσα από ένα τεστ λεκτικής ευχέρειας διάρκειας ενός λεπτού.
«Αυτή η έρευνα εμπνεύστηκε από την παρατήρηση ότι τα άτομα με μείζονα καταθλιπτική διαταραχή και αγχώδεις διαταραχές συχνά αντιμετωπίζουν καθυστερήσεις στη διάγνωση και τη θεραπεία. Οι παθήσεις αυτές και η συννοσηρότητά τους έχουν διαφορετικές ακουστικές υπογραφές. Μεγάλο μέρος της υπάρχουσας έρευνας παραβλέπει αυτές τις διακρίσεις και αποτυγχάνει να αντιμετωπίσει τα μοναδικά χαρακτηριστικά της συννοσηρότητας ανάμεσα στη μείζονα καταθλιπτική διαταραχή και τις αγχώδεις διαταραχές» εξηγεί η Δρ. Mary Pietrowicz, επικεφαλής της ερευνητικής ομάδας.
Η αυτόματη φωνητική ανάλυση για τη διάγνωση ψυχικών παθήσεων βασίζεται σε μοντέλα τεχνητής νοημοσύνης που έχουν βασιστεί σε τεράστια σύνολα δεδομένων ηχογραφήσεων από άτομα με διαφορετικές ψυχικές διαταραχές. Τα μοντέλα αυτά εντοπίζουν λεπτές διαφορές σε φωνητικά χαρακτηριστικά που μπορεί να υποδηλώνουν συναισθηματική δυσφορία ή γνωστικές διαταραχές.
Στη μελέτη συμμετείχαν 41 γυναίκες ηλικίας 19-71 ετών, οι οποίες χωρίστηκαν σε δύο ομάδες: μια ομάδα γυναικών που είχαν λάβει διάγνωση για AD/MDD και μια ομάδα ελέγχου χωρίς διάγνωση κάποια ψυχικής διαταραχής.
Όλες οι συμμετέχουσες υποβλήθηκαν σε ένα τεστ σημασιολογικής λεκτικής ευχέρειας, στο οποίο τους ζητήθηκε να ονομάσουν όσο το δυνατόν περισσότερα ζώα εντός καθορισμένου χρόνου. Οι ηχογραφήσεις υποβλήθηκαν σε ασφαλή επεξεργασία και οι ερευνητές εξήγαγαν ακουστικά και φωνητικά χαρακτηριστικά από την ομιλία τους.
Στη συνέχεια, οι αλγόριθμοι μηχανικής μάθησης ανέλυσαν αυτά τα χαρακτηριστικά για να διαφοροποιήσουν τα άτομα με και χωρίς συννοσηρότητα AD/MDD. Τα αποτελέσματα επιβεβαίωσαν ότι ένα τεστ σημασιολογικής λεκτικής ευχέρειας ενός λεπτού είναι μια αξιόπιστη μέθοδος ελέγχου.
«Η ομάδα AD/MDD έτεινε να χρησιμοποιεί απλούστερες λέξεις, εμφάνιζε λιγότερη μεταβλητότητα στο μήκος της φωνηματικής λέξης και έδειξε μειωμένα επίπεδα και διακύμανση στην φωνητική ομοιότητα», εξηγεί η Δρ. Pietrowicz.
Σύμφωνα με τους ερευνητές, η αυτοματοποιημένη ανάλυση φωνής θα μπορούσε να αποτελέσει ένα πολύτιμο διαγνωστικό εργαλείο για τον έγκαιρο εντοπισμό ψυχικών νοσημάτων. Ωστόσο, απαιτούνται περισσότερα δεδομένα από διαφορετικούς πληθυσμούς και διαφορετικές συννοσηρότητες για την ανάπτυξη ενός κλινικά βιώσιμου διαγνωστικού εργαλείου
Πηγή: JASA Express Letters