抑郁症正日益成为一个常见的词，许多普通人在心情不好时称自己为抑郁症。但是即使对于医生来说，诊断也不容易。南加州大学研究人员开发的机器学习工具可以使诊断更容易，更客观。该工具称为SimSensei。它会在访谈中记录患者的声音并检测元音表达是否降低，因为这是心理和神经系统疾病的常见特征，但人类很难检测到。尽管这种方法不能代替人类诊断，但它也提供了客观的标准。抑郁症的误诊是一个大问题。 2009年的一项回顾研究发现，在50,000例患者中，只有一半被正确诊断，假阳性与假阴性的比率达到了3：1。原因有两个：一个是误诊比没有诊断更安全，另一个是需要更多的专业知识才能确定地进行任何诊断。对于抑郁症，它是一种异质性疾病，有多种原因和表现形式。再加上医生可能一周必须看数百名病情和描述不同的患者，因此可以对误诊进行辩护。这就是为什么SimSensei之类的工具可以发挥更大作用的原因。以前的调查发现，抑郁症患者的情绪更加沉闷和消极，他们的声音变化将减少，他们的音量和单调将更加单调，他们的言语将被减少，他们的言语将被打扰，停顿将更长。此外，抑郁症患者的声带和声带更加紧张。机器学习非常适合解决此类问题，它可以根据嘈杂的数据做出预测，而语音分析也是该领域的重要主题。原理很简单。将患者的声音仅处理成元音，然后分析元音a / i / u的第一和第二共振峰（频谱峰值）。最后是使用k-means算法进行处理。该算法非常古老，于1967年出现。其原理是围绕某个平均值将数据集划分为不同的类别。聚类的结果是一个三角形图，每个角代表元音的峰值。三角形内的区域表示元音空间。将其与标准元音空间进行比较以进行比较，得出的比率可用于抑郁症诊断。 SimSensei的效果也得到了证明，结果表明在语音数据有限的情况下效果还不错，表明具有一定的实用性。