据外媒报道，麻省理工学院最近开发了一个新系统，该系统使用神经网络，通过分析患者的书面和口头反应来诊断抑郁症。
这个系统由麻省理工学院的CSAIL小组开发，使用“一个神经网络模型，从访谈中提取原始文本和音频数据，从而发现抑郁症的语音模式。”
研究人员对他们的模型进行了训练，并在142个交互数据集上进行了测试。该数据集包含患有心理健康问题的患者和由人类控制的虚拟代理的音频、文本和视频访谈。使用个人健康问卷进行调查，每个受试者按0到27之间的等级评定抑郁。高于中度（10至14）和中度（15至19）之间的得分被认为是抑郁的，而低于该阈值的所有其他得分被认为是不抑制的。在数据集中的所有受试者中，28个（20％）被标记为了抑郁。
在实验中，使用准确率和召回率来对模型进行评估。准确率评估由模型识别的哪些抑郁受试者被诊断为抑郁。召回率评估模型在检测整个数据集中被诊断为抑郁的所有受试者时的准确性。在准确率上，该模型得分为71％，召回率得分为83％。考虑到可能存在的某些错误，这些指标的平均综合得分为77％。在大多数测试中，研究人员的模型几乎超过了所有其他模型。
研究人员写道，“该神经网络模型可以准确地预测出患者是否抑郁，而不需要任何关于问题和答案的信息。”
这个研究最重要的部分是关于问题和答案的信息没有上下文。这意味着该系统不需要特定问题的回复，它只是以日常交流作为源数据。
研究员Tuka Alhanai说：“我们称之为'开放环境'，因为你不会对正在寻找的问题类型以及对应的回答类型施加任何限制。”
该研究的共同作者James Glass说：“每位患者的谈话方式都不同，如果模型看到变化，其可以为医生提供参考。” “这是向前迈出的一步，看看我们是否可以帮临床医生做一些辅助工作。”
