امکان تشخیص افسردگی از روی صدا

به گزارش برنا؛ محققان دانشگاه مریلند در آمریکا می گویند: هماهنگی گفتاری با افسردگی فرد تغییر می کند. افراد افسرده نمی توانند به سرعت افراد غیر افسرده فکر کنند و سرعت مکالمه آنها با مکث های بیشتر و  طولانی تر آهسته می شود. بنابراین، یک برنامه تشخیص صدا با استفاده از یادگیری عمیق - نوعی یادگیری ماشین مبتنی بر شبکه های عصبی مصنوعی - می تواند به شناسایی چنین ویژگی هایی که غالبا بسیار ظریف هستند، کمک کند.

این برنامه به بیماران و اطرافیان آنها کمک می کند تا از تغییرات بالقوه تهدیدکننده سلامت روان خود مطلع شوند. «کارول ویلسون» استاد مهندسی برق و کامپیوتر در دانشگاه مریلند که هدایت این پروژه را بر عهده دارد، می گوید: این برنامه که هنوز نامی برای آن انتخاب نشده است در مراحل اولیه برنامه ریزی بسر می برد؛ روان درمانگران می توانند این برنامه را به بیماران خود توصیه می کنند تا وضعیت روانی آنها را در بین جلسات درمانی کنترل کنند.

پروفسور ویلسون گفت: در حالت ایده آل، درمانگران این برنامه را به بیمارانی می دهند که دچار «افسردگی بالینی» (MDD ) هستند و در دوره بهبودی بسری می برند و یا اینکه افسردگی خفیفی دارند. یعنی بیماران در وضعیتی باشند که بتوانند به طور منظم از آن استفاده کنند تا وضعیت سلامت روان آنها ردیابی شود و اگر برنامه تشخیص دهد که میزان افسردگی در حال افزایش است، به مراقبان یا درمانگر آنها هشدار دهد.

هدف از ابداع این برنامه این است که درصورت نیاز بیمار به مراجعه به روان درمانگر به درمانگر یا مراقبان بیمار هشدار داده شود تا شدت افسردگی بیمار افزایش نیابد و یا احتمالا تصمیم خودکشی نگیرد.

کاربران می توانند با استفاده از تلفن هوشمند خود وارد این برنامه شوند. سپس این برنامه سوالاتی از آنها در مورد احساساتشان نظر جسمی و احساسی که هفته گذشته داشته اند، می پرسد. کاربران به سوالات به صورت شفاهی پاسخ می دهند و گفتار آنها ضبط می شود.

ویلسون گفت: ما برای تعیین شدت افسردگی به هماهنگی بیان، زبان و حرکات صورت بیماران خواهیم پرداخت. چنانچه تغییر نگران کننده ای ایجاد شده باشد، به افراد مناسب به عنوان مثال درمانگر، بیمار و مراقبان آنها هشدار داده می شود.

وی در پایان افزود: این گروه همچنین سرگرم کار بر روی ساخت سیستمی است که نه تنها فرد افسرده را تشخیص دهد بلکه شدت افسردگی را - خفیف ، متوسط ​​، شدید یا بسیار شدید- نیز تشخیص می دهد.