L'analisi vocale AI può rilevare la depressione nei bambini piccoli

Una nuova ricerca suggerisce che un algoritmo di apprendimento automatico può rilevare segni di ansia e depressione nei modelli di linguaggio dei bambini piccoli. La tecnica potrebbe essere un modo più rapido e semplice per rilevare disturbi difficili da individuare nei giovani. La diagnosi precoce dei problemi emotivi è importante per garantire un'assistenza tempestiva.

Gli investigatori spiegano che circa un bambino su cinque soffre di ansia e depressione, noti collettivamente come "disturbi interiorizzanti". Tuttavia, i segni del disturbo sono difficili da riconoscere poiché i bambini di età inferiore agli otto anni non sono in grado di articolare in modo affidabile la loro sofferenza emotiva, rendendo la condizione difficile da individuare.

La necessità di effettuare una diagnosi tempestiva è importante in quanto l'accesso a un fornitore, che si tratti di problemi di pianificazione o di verifica dell'assicurazione, è spesso un processo laborioso.

"Abbiamo bisogno di test rapidi e oggettivi per catturare i bambini quando soffrono", ha detto la dottoressa Ellen McGinnis, psicologa clinica presso il Vermont Center for Children, Youth and Families dell'Università del Vermont Medical Center e autrice principale dello studio. "La maggior parte dei bambini sotto gli otto anni non sono diagnosticati."

La ricerca appare nel Journal of Biomedical and Health Informatics.

La diagnosi precoce è fondamentale perché i bambini rispondono bene al trattamento mentre il loro cervello è ancora in via di sviluppo, ma se non vengono trattati corrono un rischio maggiore di abuso di sostanze e suicidio più avanti nella vita.

La diagnosi standard prevede un colloquio semi-strutturato di 60-90 minuti con un medico qualificato e il loro assistente primario.

McGinnis, insieme all'ingegnere biomedico dell'Università del Vermont e autore senior dello studio Ryan McGinnis, ha cercato modi per utilizzare l'intelligenza artificiale e l'apprendimento automatico per rendere la diagnosi più veloce e affidabile.

I ricercatori hanno utilizzato una versione adattata di un'attività di induzione dell'umore chiamata Trier-Social Stress Task, che ha lo scopo di causare sentimenti di stress e ansia nel soggetto.

A un gruppo di 71 bambini di età compresa tra i tre e gli otto anni è stato chiesto di improvvisare una storia di tre minuti e gli è stato detto che sarebbero stati giudicati in base a quanto fosse interessante. Il ricercatore in qualità di giudice è rimasto severo durante il discorso e ha fornito solo feedback neutri o negativi. Dopo 90 secondi, e di nuovo con 30 secondi rimasti, un cicalino suonava e il giudice diceva loro quanto tempo era rimasto.

"Il compito è progettato per essere stressante e per metterli nella mentalità che qualcuno li stava giudicando", dice Ellen McGinnis.

I bambini sono stati anche diagnosticati utilizzando un'intervista clinica strutturata e un questionario per i genitori, entrambi metodi consolidati per identificare i disturbi interiorizzanti nei bambini.

I ricercatori hanno utilizzato un algoritmo di apprendimento automatico per analizzare le caratteristiche statistiche delle registrazioni audio della storia di ogni bambino e collegarle alla diagnosi del bambino. Hanno scoperto che l'algoritmo aveva un grande successo nella diagnosi dei bambini e che la fase centrale delle registrazioni, tra i due cicalini, era la più predittiva di una diagnosi.

"L'algoritmo è stato in grado di identificare i bambini con una diagnosi di un disturbo interiorizzante con un'accuratezza dell'80%, e nella maggior parte dei casi si è confrontato molto bene con l'accuratezza della checklist dei genitori", afferma Ryan McGinnis.

Può anche fornire i risultati molto più rapidamente: l'algoritmo richiede solo pochi secondi di tempo di elaborazione una volta completata l'attività per fornire una diagnosi.

L'algoritmo ha identificato otto diverse caratteristiche audio del discorso dei bambini, ma tre in particolare si sono distinte come altamente indicative di disturbi interiorizzanti: voci a bassa tonalità, con inflessioni e contenuti del discorso ripetibili e una risposta acuta al sorprendente cicalino.

Ellen McGinnis afferma che queste caratteristiche si adattano bene a ciò che potresti aspettarti da qualcuno che soffre di depressione. "Una voce bassa e elementi vocali ripetibili rispecchiano ciò a cui pensiamo quando pensiamo alla depressione: parlare con una voce monotona, ripetere quello che stai dicendo", dice Ellen McGinnis.

La risposta più acuta al cicalino è anche simile alla risposta che i ricercatori hanno trovato nel loro lavoro precedente, in cui i bambini con disturbi interiorizzanti hanno mostrato una risposta più ampia di allontanamento da uno stimolo pauroso in un'attività di induzione della paura.

L'analisi vocale ha una precisione nella diagnosi simile all'analisi del movimento in quel lavoro precedente, ma Ryan McGinnis pensa che sarebbe molto più facile da usare in un contesto clinico.

Il compito della paura richiede una stanza buia, un serpente giocattolo, sensori di movimento collegati al bambino e una guida, mentre il compito vocale richiede solo un giudice, un modo per registrare il discorso e un cicalino per interrompere. "Questo sarebbe più fattibile da implementare", dice.

Ellen McGinnis afferma che il prossimo passo sarà sviluppare l'algoritmo di analisi del linguaggio in uno strumento di screening universale per uso clinico, magari tramite un'app per smartphone che potrebbe registrare e analizzare immediatamente i risultati.

L'analisi vocale potrebbe anche essere combinata con l'analisi del movimento in una batteria di strumenti diagnostici assistiti dalla tecnologia, per aiutare a identificare i bambini a rischio di ansia e depressione prima ancora che i loro genitori sospettino che qualcosa non va.

Fonte: Università del Vermont