對外貿易發展協會
活動+
 

紐約大學醫學院運用語音分析技術 開發創傷後壓力症候群診斷工具

分析語音的頻率、韻律、聲調、發音特徵,可協助診斷創傷後壓力症候群。NYU Langone Health

紐約大學(NYU)醫學院與SRI International的研究人員採用統計機器學習(statistical machine learning)技術:隨機森林(random forest)演算法與語音分析(speech analysis)平台SenSay Analytics的部分功能,開發人工智慧(AI)語音分析工具以支援創傷後壓力症候群(PTSD)的臨床診斷。

據NYU Langone Health報導,PTSD的患者在遭逢觸發事件時會經歷強烈而持續的精神緊張症狀,全球逾70%的成年人一生中曾經歷創傷事件,而部分艱困國家中的人民約12%正苦於PTSD。最常使用的診斷方式是透過臨床面談或自陳式(self-report)評估,不過兩者的結果都易受成見影響,因此必須找出可衡量、客觀、實際的PTSD發展指標,但迄今進展緩慢。

2019年4月22日NYU研究團隊以線上方式發表於Depression and Anxiety期刊的「美國退伍軍人PTSD語音標記(Speech-based markers for posttraumatic stress disorder in US veterans)」研究報告指出,分析退伍軍人說話的語音特徵可用於協助診斷PTSD,NYU發展的AI語音分析軟體辨識PTSD患者的成功率達89%。

語音工具可提供非侵入式、低成本、可遠距操作等優勢,因此非常適合用於自動化診斷系統,例如整合至診斷PTSD的智慧型手機App。NYU醫學院發表的研究並未探究導致PTSD的成因與機制,而是基於創傷事件會改變人腦控制情緒與肌肉張力的迴路,進而影響其語音特徵的理論,來開發PTSD臨床診斷AI工具。

運用隨機森林演算法發展的AI程式,能夠基於實例學習處理個體分類,所建立的決策規則與數學模式,可隨訓練資料量增加而強化決策準確性。較不清晰的談話、沒有生氣且刺耳的語調,長久以來即被視為有助於辨識與診斷PTSD,NYU醫學院的研究團開發的隨機森林程式可為特定語音特徵模式與PTSD症狀建立連結作為診斷依據。

研究人員首先錄製數小時包括53名在服役時罹患PTSD症狀與78名無PTSD症狀的伊拉克與阿富汗退伍軍人的標準診斷面談,作為臨床醫師施行的PTSD衡量標準(Clinician-Administered PTSD Scale;CAPS),接著將其輸入結合隨機森林與SRI International語音技術的AI軟體,從診斷面談中篩選出各種模式,共計擷取出40,526個語音相關的特徵。

蘋果(Apple)的 Siri是由SRI International所開發,NYU醫學院研究團隊的AI PTSD診斷工具運用的語音分析技術,即是SRI International的語音分析平台SenSay Analytics的部分功能。未來NYU醫學院研究團隊計畫用更多資料訓練AI語音工具以強化其功能,並進一步以獨立的樣本進行功能驗證,最終將向美國政府申請批准應用於醫療院所的臨床實際病例。

SenSay Analytics語音分析平台分析語詞時會結合語音的頻率、韻律、聲調,以及發音的特徵以推斷說話者的溝通品質、認知、情緒、生理與心理健康、情緒等狀態,相關技術已被Ambit、Decoded Health、Oto等新創應用於各種產業應用。NYU的研究團隊成員包括NYU醫學院的教授、NYU精神醫學系與SRI International的研究人員。

NYU這項研究計畫是由美國陸軍醫學研究採購活動(U.S. Army Medical Research Acquisition Activity;USAMRAA)組織及遠距醫療與先進技術研究中心(Telemedicine and Advanced Technology Research Center;TATRC)的W81XWH-ll-C-0004,以及Steven and Alexandra Cohen Foundation所資助。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 人工智慧 智慧醫療 機器學習