據(jù)國外媒體報道，醫(yī)生診斷抑郁癥通常會問病人一些具體的問題，比如情緒、精神疾病、生活方式和個人病史等，然后根據(jù)做出的答案進行診斷。如今，麻省理工學院(MIT)的研究人員建立了一個人工智能模型，可以在不需要回答這些特定問題的情況下，根據(jù)人們的自然會話和寫作風格來判斷他們是否患有抑郁。

據(jù)該項目的首席研究員圖卡·阿爾哈奈說，“一個人是快樂的、興奮的、悲傷的，或者有一些嚴重的認知狀況，比如抑郁，我們得到的第一個暗示就是通過他們的語言。如果要想部署抑郁檢測模型……希望對正在使用的數(shù)據(jù)進行最小化約束，那就嘗試在任何常規(guī)的對話中使用它，讓模型從自然的交互中獲得個體的狀態(tài)。”

研究人員將這種模型稱為“上下文無關”，因為在可以被問的問題類型或將被查找的響應類型中沒有約束。研究人員使用一種被稱為序列建模的技術，從與抑郁者和非抑郁者的對話中輸入模型文本和音頻。隨著序列的累積，模式就出現(xiàn)了，比如“sad”或“down”等詞的自然使用，以及更平更單調的音頻信號。

阿爾哈奈說:“這個模型能觀察到一系列的詞匯或說話方式，并確定這些模式更可能出現(xiàn)在抑郁或不抑郁的人身上。”“然后，如果它在新受試者身上看到同樣的序列，就能預測他們是否也會抑郁。”在測試中，該模型識別抑郁癥的成功率達到77%，超過了幾乎所有其他模型——其中大多數(shù)依賴于高度結構化的問題和答案。

研究團隊稱，這個模型是將成為臨床醫(yī)生的一個有用的工具，因為每個病人說話都不一樣。“如果模型看到了變化，也許它會成為醫(yī)生診斷的證據(jù)，”共同研究員詹姆斯·格拉斯說。“在未來，該模型還可以為移動應用程序提供動力，這些應用程序可以監(jiān)控用戶的文本和語音，以備精神困擾，并發(fā)送警報。這對于那些由于距離、費用或缺乏對可能出現(xiàn)問題的認識而無法找到臨床醫(yī)生進行初步診斷的人來說尤其有用。”

研究人員還打算在更多患有其他認知疾病(如癡呆癥)的受試者身上測試這些方法。阿爾哈奈說:“這并不是檢測抑郁癥，而是一個類似的概念，從日常語音信號來判斷一個人是否有認知障礙。”