基于语音与自然语言处理的机器学习分类双相障碍及心境状态观察研究

Journal of medical Internet research · 2026-11-01 · 期刊论文

• 一句话结论：该观察性研究提示，基于语音声学与语言特征的机器学习模型或有助于区分双相障碍患者与健康对照及不同心境状态；证据档位为B，属探索性分类性能，尚不足以下诊断效能的结论。
• 研究设计与做法：设计为前瞻性收集、横断面分析的观察性研究；日本61例双相障碍患者与99名健康对照，1至5次半结构化访谈采集语音；提取6373个声学特征与211个语言特征，采用LASSO正则化逻辑回归、嵌套交叉验证及年龄性别匹配欠采样；数据收集跨7年。
• 主要结果：分类任务共7项，包括双相障碍与健康对照、各心境状态与健康对照及状态间比较；特征重要性经置换检验验证；具体准确率、AUC、置信区间与p值材料未报告（摘要在此处截断）。
• 机制或解释：作者以双相障碍诊断延迟平均6年、误诊率高、缺乏客观诊断手段为背景，提出语音与语言特征可作为客观标记的设想；具体生物学机制未讨论。
• 局限与边界：局限包括：样本量较小（61例患者），为日本单国多中心或单中心来源材料未明确；采用聚合或单次访视的横断面分析，未做个体内纵向建模；心境状态判定依赖量表阈值；利益冲突材料未报告。
• 可否落地：落地层面：结果「提示」语音分析有潜力作为辅助评估工具，但距离临床诊断应用尚远；需更大样本、纵向设计与外部验证，目前「不足以下结论」替代临床诊断。

🔗 打开原文

Yamaguchi Y, Kano Y, Sugihara G 等

本文摘自《每日前沿研究简报 · 2026-11-03》「AI 医学影像与临床决策」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。