ИИ-модель определяет депрессию по естественным разговорам с точностью 77%

• Исследователи MIT разработали нейросеть, автоматически выявляющую депрессивные паттерны из сырого аудио и текста, без предопределённых вопросов.
• Модель «контекстно-независима», то есть может анализировать любой свободный разговор и извлекать лингвистические и акустические маркеры, связанные с депрессией.
• В валидационном исследовании достигла общей точности 77%, превосходя обычные ИИ-инструменты на базе Q&A.

Традиционно, Опросник здоровья пациента (PHQ-9) — золотой стандарт скрининга депрессии. Он задаёт фиксированный набор из девяти вопросов о настроении, сне, аппетите и уровне энергии для расчёта балла 0–27, где баллы выше 20 указывают на тяжёлую депрессию.

За последние годы подходы машинного обучения успешно добывали речевые маркеры — интонация, темп речи, специфические лексические выборы — предполагающие депрессивные состояния. Однако большинство этих моделей опираются на ответы PHQ-9 или подобные структурированные интервью, ограничивая применимость в реальных условиях.

Новая нейросеть MIT убирает это ограничение. Подавая ей записи свободных интервью, система учится распознавать тонкие паттерны — такие как частые слова «down», «low», «sad», в паре с выпрямлённым или монотонным голосовым качеством и замедленной речью — которые сильно ассоциированы с депрессией.

Как работает модель

Алгоритм рассматривает речь как последовательность временных аудио-фреймов и транскрибированных слов. Он использует глубокую архитектуру последовательного моделирования, совместно анализирующую акустические признаки (тон, энергия, темп речи) и лингвистический контент. Поскольку она не зависит от фиксированного опросника, её можно применять к любым конверсационным данным — от клинических интервью до бытовых телефонных звонков.

Авторы называют это «контекстно-независимым моделированием», потому что оно захватывает индикаторы депрессии независимо от конкретных задаваемых вопросов.

Обучение, валидация и производительность

Модель обучалась на 142 взаимодействиях из корпуса Distress Analysis Interview Corpus (DAIC), включающего аудио, видео и текст разговоров как с здоровыми участниками, так и с диагностированными психическими расстройствами.

Степень депрессии каждого субъекта kvantифицировалась через PHQ-9 (0–27). В исследовании 28 участников классифицировались как депрессивные (баллы ≥20). Сеть оценивалась по precision и recall: достигла 71% precision и 83% recall, давая общую точность 77% — заметное улучшение над ранними ИИ-подходами, обычно висевшими вокруг 60–65% точности.

Будущая работа расширит сеть на другие состояния, такие как деменция, и изучит конкретные акустико-лингвистические паттерны, движущие её предсказаниями.

В долгосрочной перспективе технология может быть интегрирована в мобильные приложения для пассивного мониторинга голоса и текста пользователей на признаки страда, предлагая ранние оповещения тем, кто сталкивается с барьерами доступа к психиатрической помощи.

Ссылка: Interspeech Conference | CSAIL/MIT

Читать: Мозговая стимуляция может снизить намерение человека совершить насилие