在麻省理工学院(MIT)，研究人员开发了一种神经网络模型，该模型能够分析来自各种临床访谈的文本和音频数据，以找到表明抑郁症的模式。
萧条
根据麻省理工学院的一份声明，这些方法可用于开发改进的方法，供医生诊断正常对话中的抑郁症并检测抑郁症的迹象。
近年来，自动学习已成为一种人工智能(AI)，对这种类型的诊断非常有用，但是除了识别人的语言中的单词和语调以外，这种模型通常还倾向于表明一个人是是否沮丧，取决于某些答案，这取决于所问问题的类型。
在2018年Interspeech上发表的一篇论文中，麻省理工学院的研究人员描述了一种神经网络模型，该模型可以使用采访中的原始音频和文本数据来检测表明抑郁的语音模式。从这个意义上讲，神经网络无需其他问题或答案即可预测新受试者是否患有抑郁症。
研究人员希望这种新方法将使他们能够开发出检测日常谈话中沮丧迹象的工具。例如，此模型可以允许创建监视用户文本和语音以搜索抑郁模式并发送警报的移动应用程序，尽管这当然是对隐私的入侵，需要首先进行评估。
例如，由于每个患者的讲话和行为方式不同，并且当前的方法基于总是以相同方式提出的机械问题，因此该技术可用于在医生实践中的偶然对话中检测精神问题。