利用音频数据辅助初级卫生保健中的抑郁症风险评估
人机交互
2023-10-18 v1 人工智能
机器学习
摘要
远程医疗是初级卫生保健(PHC)中一种有价值的工具,而抑郁症是 PHC 中的常见病症。对于大多数抑郁症患者而言,PHC 是他们的首个接触点,但 PHC 医生做出的诊断约有 25% 不准确。许多其他障碍也阻碍了 PHC 中抑郁症的检测与治疗。人工智能(AI)可能有助于减少 PHC 中的抑郁症误诊,并改善整体诊断与治疗结果。远程医疗咨询常存在视频问题,例如连接不良或通话中断。仅音频的远程医疗对可能缺乏稳定互联网连接的低收入患者往往更实用。因此,我们的研究聚焦于利用音频数据预测抑郁症风险。研究目标是:1) 从 24 人(12 名抑郁症患者,12 名无精神健康或重大健康问题诊断者)处收集音频数据;2) 构建预测抑郁症风险的机器学习模型。使用自动机器学习工具 TPOT 选择最佳机器学习算法,其为 K 近邻分类器。所选模型在抑郁症风险分类上表现优异(精确率:0.98,召回率:0.93,F1 分数:0.96)。这些发现可能催生一系列辅助抑郁症筛查与治疗的工具。通过开发检测抑郁症风险的工具,可将患者引导至 AI 驱动的聊天机器人进行初步筛查。与各类利益相关方的合作对于实施这些解决方案至关重要。此外,伦理考量,尤其是围绕数据隐私和 AI 模型中的潜在偏差,必须置于心理健康领域任何 AI 驱动干预的最前沿。
引用
@article{arxiv.2310.10928,
title = {Using Audio Data to Facilitate Depression Risk Assessment in Primary Health Care},
author = {Adam Valen Levinson and Abhay Goyal and Roger Ho Chun Man and Roy Ka-Wei Lee and Koustuv Saha and Nimay Parekh and Frederick L. Altice and Lam Yin Cheung and Munmun De Choudhury and Navin Kumar},
journal= {arXiv preprint arXiv:2310.10928},
year = {2023}
}