抑郁症是最常见的精神疾病之一。据估计，全球有2.8亿人受到这种疾病的影响，因此，立陶宛考纳斯科技大学（KTU）的研究人员开发了一种人工智能（AI）模型，该模型可以通过语音和脑神经活动来识别抑郁症。这种多模态方法结合了两种不同的数据源，可以更准确、客观地分析一个人的情绪状态，开启了抑郁症诊断的新阶段。
“抑郁症是最常见的精神障碍之一，对个人和社会都有毁灭性的后果，因此我们正在开发一种新的、更客观的诊断方法，希望未来能普及到每个人，”KTU教授兼该发明的作者之一Rytis Maskeliūnas表示。
科学家们认为，大多数抑郁症的诊断研究传统上依赖于单一类型的数据，而新的多模态方法可以提供更好的信息来了解一个人的情绪状态。该文章《使用修改后的DenseNet121融合EEG和音频频谱图识别重度抑郁症》已发表在《大脑科学杂志》上。
使用语音和脑活动数据实现令人印象深刻的准确性
这种结合语音和脑活动数据的方法在诊断抑郁症方面达到了97.53%的准确率，显著优于其他方法。“这是因为语音为研究提供了我们目前还无法从大脑中提取的数据，”Maskeliūnas解释道。
KTU博士生Musyyab Yousufi也参与了这项发明，他表示选择数据经过了仔细考虑。“虽然人们认为面部表情可能更多地揭示一个人的心理状态，但这种数据很容易被伪造。我们选择了语音，因为它可以微妙地揭示情绪状态，诊断会影响说话的速度、语调和整体能量。”
此外，与脑电波（EEG）或语音数据不同，面部可以直接识别一个人的严重程度，但只能在一定程度上。“但我们不能侵犯患者的隐私，而且从多个来源收集和组合数据更有助于未来的应用，”KTU信息学院教授说道。
Maskeliūnas强调，所使用的EEG数据集来自多模态开放数据集（MODMA），因为KTU研究小组代表的是计算机科学领域，而不是医学科学领域。MODMA的EEG数据是在参与者清醒、静息且闭眼的状态下收集和记录的，持续时间为五分钟。在实验的音频部分，患者参加了问答环节和一些阅读和描述图片的活动，以捕捉他们的自然语言和认知状态。
人工智能需要学会如何解释诊断结果
收集的EEG和音频信号被转换成频谱图，使数据可视化。为了使数据无噪声且可比较，应用了特殊的噪声滤波器和预处理方法，并使用了修改后的DenseNet-121深度学习模型来识别图像中的抑郁症迹象。每张图像反映了信号随时间的变化。EEG显示了脑电波的形式，而声音则显示了频率和强度分布。
该模型包括一个自定义分类层，训练用于将数据分为健康人和抑郁症患者两类。成功分类后进行了评估，然后评估了应用程序的准确性。
未来，这一人工智能模型可以加快抑郁症的诊断速度，甚至实现远程诊断，减少主观评价的风险。这需要进一步的临床试验和程序改进。然而，Maskeliūnas补充说，后者的研究方面可能会带来一些挑战。
“这些研究的主要问题是缺乏数据，因为人们倾向于对自己的心理健康问题保持隐私，”他说。
KTU多媒体工程系教授还提到，算法需要改进，不仅要求准确，还要向医疗专业人员提供导致诊断结果的信息。“算法仍需学会以易于理解的方式解释诊断结果，”Maskeliūnas说。
根据KTU教授的说法，由于对直接影响人们生活的AI解决方案的需求不断增长，例如在医疗保健、金融和法律系统等领域，类似的要求变得越来越普遍。这就是为什么可解释的人工智能（XAI）现在正获得势头，其目标是向用户解释模型为何做出某些决策，从而增加他们对AI的信任。
(全文结束)
