文章專區

在現代社會中，憂鬱症已成為一個重大的公共衛生議題，全球約有2.8億人受到此心理疾病的影響。面對這個挑戰，立陶宛考納斯理工大學（Kaunas University of Technology, KTU）的研究團隊開發出一個創新的人工智慧（artificial intelligence, AI）模型，結合語音分析和腦波活動數據，為憂鬱症診斷開創新的可能性。

這項研究的關鍵創新在於採用「多模態」（multimodal）的診斷方法。傳統的憂鬱症診斷往往依賴單一類型的數據，而KTU研究團隊開發的AI模型則同時分析兩種不同的生理數據：語音特徵和腦電波（electrical brain activity, EEG）活動。這種診斷模式的準確率高達97.53％，大幅超越現有的診斷方法。研究團隊特別選擇語音作為重要的診斷指標之一，原因在於語音能夠微妙地反映一個人的情緒狀態。說話的節奏、語調和整體活力都可能透露出憂鬱症的徵兆。相較於容易被刻意掩飾的面部表情，語音特徵提供了更真實且難以偽裝的情緒指標。

在技術實現層面，研究團隊參考精神障礙分析多模態開放數據集（Multimodal Open Dataset for Mental Disorder Analysis, MODMA）中的EEG數據集，收集受試者在清醒、休息且閉眼狀態下五分鐘的腦波數據。同時透過問答環節及圖片描述等活動，收集受試者的自然語言表達和認知狀態數據。這些收集到的EEG和語音信號會被轉換為頻譜圖（spectrogram），並經過特殊的降噪處理。最後使用改良版的DenseNet-121深度學習模型，從這些處理過的數據中識別憂鬱症的特徵。

儘管這項技術展現出極大的潛力，但研究團隊也面臨其他挑戰。首先是數據收集過程相當困難，由於心理健康議題的隱私性質，許多人傾向於保持私密，這使得研究所需的數據量相對有限，可能會影響模型的進一步改良和驗證。其次是可解釋性人工智慧（explainable AI, XAI）問題。研究團隊強調，未來需要改進算法，使它不僅能夠提供準確的診斷結果，還能向醫療專業人員解釋診斷的依據。這項研究的成功，代表心理健康診斷領域的重要突破。通過結合多模態數據和先進的AI技術，不久後將有機會出現更客觀、準確的憂鬱症診斷方法。不僅能夠提高診斷的效率，還可能實現遠程診斷，使心理健康服務變得更加普及和便捷。隨著技術的進一步發展和完善，這種AI輔助診斷系統有望成為心理健康專業人員的重要工具，幫助他們做出更準確的診斷決策。不過，研究團隊也強調，這項技術的目標是輔助而非取代專業醫療人員的判斷，最終仍需要臨床醫生的專業解讀和決策。

新聞來源
KTU. 2024 November 20. KTU researchers use artificial intelligence to diagnose depression. KTU. https://www.sciencedaily.com/releases/2024/11/241120121844.htm