Российские ученые создали инновационную цифровую систему, позволяющую диагностировать депрессию путем анализа речи пациентов. Прототип сервиса разработан специалистами Новосибирского государственного университета и предназначен для сбора, обработки и интерпретации данных о психологическом здоровье пользователей, обеспечивая точный вывод о наличии и тяжести депрессивного расстройства.
Депрессия представляет собой сложное заболевание, которое может проявляться самостоятельно или сопровождать другие болезни. Часто ее признаки скрываются за различными физическими жалобами, такими как боль, сердечно-сосудистые нарушения, желудочно-кишечные проблемы или общее ухудшение самочувствия без ясной причины. Это затрудняет своевременную диагностику, особенно в условиях ограниченного времени и недостатка специализированных знаний среди врачей первичного звена здравоохранения. Всемирная организация здравоохранения подчеркивает серьезность проблемы, отмечая, что около 332 миллионов человек по всему миру страдают от депрессии.
Новый метод превосходит традиционные способы оценки, такие как анкеты и личные беседы, поскольку отражает объективные показатели, которые сложно подделать. Авторы исследования считают, что речь служит естественным индикатором эмоционального состояния, так как энергетический уровень голоса меняется при развитии тревожности и депрессии.
Для разработки алгоритма исследователи использовали базу данных, содержащую более 90 интервью. Нейронная сеть способна различать четыре уровня выраженности депрессии — от полного отсутствия симптомов до тяжелых проявлений заболевания. Степень тяжести определялась с использованием специализированного опросника. Разработчики подчеркивают высокую эффективность предложенной технологии: пользовательский интерфейс позволяет легко загружать аудиофайлы, обрабатывать их в режиме реального времени и экспортировать полученные результаты вместе с графиками и диаграммами.
Команда исследователей уверена, что в дальнейшем технология сможет применяться для выявления других психических заболеваний. Для этого потребуется дополнительное обучение системы на новых наборах данных. Возможности системы могут быть расширены за счет интеграции анализа мимических реакций на основе видеозаписей.
