根据发表在《华尔街日报》上的最新研究，机器学习算法可以检测到幼儿语音模式中的焦虑和抑郁症状，从而可能提供一种快速简便的诊断条件，这些条件在年轻人中很难发现并且经常被忽视。生物医学和健康信息学。

大约五分之一的儿童患有焦虑症和抑郁症，统称为“内在化障碍”。但是，由于八岁以下的儿童无法可靠地表达自己的情感痛苦，因此成年人需要能够推断出他们的心理状态，并认识到潜在的心理健康问题。等待与心理学家约会，保险问题以及父母不认识症状的候补名单均导致儿童错过重要治疗。

佛蒙特大学医学中心佛蒙特儿童，青少年和家庭中心的临床心理学家，该研究的主要作者艾伦·麦金尼斯说：“我们需要快速，客观的测试来抓住患病的孩子。”“大多数八岁以下的孩子没有被诊断出。”

早期诊断至关重要，因为儿童在大脑仍处于发育阶段时对治疗反应良好，但是如果不及时治疗，他们以后生活中滥用药物和自杀的风险就更大。标准诊断包括与受过训练的临床医生及其主要护理人员进行60-90分钟的半结构式访谈。麦金尼斯与佛蒙特大学生物医学工程师和研究资深作者瑞安·麦金尼斯一起，一直在寻找使用人工智能和机器学习的方法，以使诊断更快，更可靠。

研究人员使用了一种名为Trier-Social Stress Task的情绪诱导任务的改编版本，该任务旨在引起受试者的压力感和焦虑感。要求71名年龄在3至8岁之间的儿童组成一个三分钟的故事，并告诉他们将根据故事的有趣程度进行评判。担任法官的研究人员在整个演讲中都保持严厉，只给出中立或负面的反馈。90秒后，又剩下30秒，蜂鸣器会响起，法官会告诉他们还剩多少时间。

艾伦·麦金尼斯(Ellen McGinnis)表示：“这项任务旨在减轻压力，并使他们处于有人对它们进行评判的心态中。”

还使用结构化的临床访谈和父母问卷对儿童进行了诊断，这两种方法都是确定儿童内在性疾病的公认方法。

研究人员使用机器学习算法来分析每个孩子故事的录音的统计特征，并将其与孩子的诊断联系起来。他们发现该算法在诊断儿童方面非常成功，并且两个蜂鸣器之间的录音中间阶段是诊断的最有力预测。

Ryan McGinnis说：“该算法能够以80%的准确性识别出诊断为内在性疾病的孩子，在大多数情况下，与父母核对清单的准确性相比确实非常好。”它还可以更快地给出结果-一旦任务完成以提供诊断，该算法仅需要几秒钟的处理时间。

该算法识别出儿童语音的八种不同音频特征，但其中三项尤其引人注目，可高度表明其内部化障碍：低调的声音，可重复的语音拐点和内容，以及对令人惊讶的蜂鸣器的较高的响应。艾伦·麦金尼斯(Ellen McGinnis)说，这些功能非常符合您对抑郁症患者的期望。艾伦·麦金尼斯(Ellen McGinnis)说：“低沉的声音和可重复的语音元素反映了我们在思考抑郁症时的想法：用单调的声音说话，重复您说的话。”