Речь как биомаркер депрессии

Введение: Депрессия — тяжёлое заболевание, для диагностики и раннего выявления которого пока нет надёжного биомаркера. Последние достижения в области вычислительных методов анализа открывают новые возможности для его разработки благодаря большому объёму информации, которую можно извлечь из речи человека.

Цель: Обобщить последние данные о быстро развивающейся области вычислительного анализа речи для выявления депрессии. Рассмотрены разнообразные акустические и лингвистические характеристики содержания, типы данных (устная и письменная речь) и источники данных (лабораторные условия, социальные сети и смартфоны). Особое внимание уделено современным методам извлечения признаков и вычислительного моделирования. Также рассмотрены возможные препятствия для внедрения автоматического анализа речи.

Выводы: Для речи при депрессии характерны несколько особенностей, в том числе сниженный темп, меньшая вариабельность высоты тона и более частые высказывания о себе. Современные вычислительные модели позволяют использовать эти признаки для выявления депрессии с точностью до 91%. Наилучшие результаты достигаются при выборе методов машинного обучения с учётом типа и объёма данных. В последних исследованиях совершенствуют вычислительные языковые модели, стремясь повысить их точность и обобщаемость при выявлении депрессии. При дальнейшем внедрении автоматического анализа речи, например с помощью смартфонов, первостепенное значение имеют вопросы конфиденциальности и этики. В целом вычислительный анализ речи уже приближается к тому, чтобы стать эффективным вспомогательным методом диагностики депрессии.