Beszédelemzésen alapuló, a depresszió felismerését segítő nyelvfüggetlen szoftvert fejlesztenek közösen a Budapesti Műszaki és Gazdaságtudományi Egyetem és a Semmelweis Egyetem szakemberei – olvasható az egyetem honlapján. A technológia elsősorban az alapellátásban segíthetné a világszerte milliókat érintő mentális betegség szűrését, időt és pénzt spórolva az egészségügynek. Az alkalmazás már elkészült, de élesítéséhez további tesztekre van szükség.
Nehéz felismerni a depressziót
A depresszió népbetegség, az Egészségügyi Világszervezet adatai szerint körülbelül 280 millió ember, a felnőtt lakosság 5 százaléka lehet érintett. Egyes előrejelzések szerint 2030-ra ez a mentális probléma róhatja a legnagyobb terhet a világ egészségügyi és gazdasági rendszereire. Diagnózisát megnehezíti, hogy sokféle tünetet válthat ki, ráadásul sokan szégyellnek orvoshoz fordulni a panaszokkal.
„A depresszió-kutatásban éppen ezért régóta próbálnak olyan biomarkereket (objektíven mérhető jellemzők) meghatározni, melyek orvosi beavatkozás nélkül segíthetik a gyorsabb felismerést. Ilyen lehet a páciensek megváltozott beszéde, melyről mára gyakorlatilag egyetértés van a szakirodalomban” – mondja dr. Hajduska-Dér Bálint, a Semmelweis Egyetem Pszichiátriai és Pszichoterápiás Klinikájának tanérsegéde és egy, a Frontiers in Psychiatry című folyóiratban nemrég megjelent tanulmány első szerzője.
A publikációban egy Budapesti Műszaki és Gazdaságtudományi Egyetemen (BME) fejlesztett, mesterséges intelligencia alapú beszédhangfeldolgozó alkalmazás működését analizálták, mellyel a depresszió felismerését egyszerűsítenék. „A depressziós betegek beszéde általában megváltozik: monotonabb és halkabb lesz, többször tartanak szünetet. Ezeket a jellegzetességeket tanítjuk meg a szoftvernek egy speciális módszer (Support Vector Regression) segítségével” – magyarázza dr. Kiss Gábor, a BME Távközlési és Médiainformatikai Tanszékének tudományos munkatársa.
Depressziós emberek beszédéből tanult a szoftver
A betegség felismerésére jelenleg leggyakrabban vagy az úgynevezett Beck Depression Inventory (BDI) vagy a Hamilton Rating Scale for Depression (HAMD) teszteket használják, melyek nem teljesen objektívek. A BDI teszt önkitöltős, ezért sok múlik azon, hogy maga a páciens hogyan értékeli a saját állapotát: túlozhat vagy éppen elbagatellizálhat tüneteket. Ezzel diagnosztizálni viszont gyorsabb, és nem kíván feltétlenül orvosi jelenlétet. A HAMD tesztet ezzel szemben az orvos tölti ki a beteg jelenlétében, így olyan tüneteket is megfigyelhet, amit a páciens esetleg nem tart fontosnak – de ez egy időigényesebb folyamat.
A kutatáshoz az úgynevezett Magyar Depressziós Beszéd Adatbázis 218 depressziós és egészséges embertől (144 nő, 74 férfi) származó hangmintáit használták fel. A résztvevőknek „Az északi szél és a nap” című rövid, 10-mondatos mesét kellett felolvasniuk. A szakemberek rögzítették a BDI teszten elért pontszámukat, életkorukat, nemüket, dohányzási- és gyógyszerszedési szokásaikat, illetve, hogy van-e beszédet befolyásoló betegségük. A résztvevők 20 százalékánál (43) a HAMD teszten elért pontszámukat is felvették.
A kutatók ezután különböző fizikai jellemzőket vetettek össze minden egyes beszédmintában, köztük a hangspektrumot, a hangdinamikát, a dallamváltozást vagy a beszédritmust. Az összesített eredményekből kiderült, hogy az alkalmazás 84 százalékos pontossággal szűrte ki a depressziós betegeket, ha a klinikusok által kitöltött HAMD-teszt pontszámokkal „tanították” a szoftvert, és 76 százalékos pontossággal mért, ha az önkitöltős BDI-teszt pontszámait vették figyelembe.
A szakemberek szerint a depresszió beszédhangon alapuló korai felismerésével lerövidíthető és felgyorsítható lenne a betegút. Az érintettek hamarabb juthatnának el pszichiáterhez, ha mondjuk már a háziorvosnál felmerülne, hogy a beteg esetleg depressziós, és emiatt lehetnek fizikai tünetei, például has- vagy hátfájdalma.