SAVALnet EC

https://www.savalnet.ec/cienciaymedicina/destacados/deep-learning-para-el-reconocimiento-de-la-depresion-a-partir-del-habla.html
20 Febrero 2023

Deep learning para el reconocimiento de la depresión a partir del habla

Detectó el cuadro con una precisión del 87% en pacientes varones y del 87,5% en mujeres.

La depresión es uno de los trastornos psiquiátricos más extendidos, ya que afecta aproximadamente al 9,5% de los adultos estadounidenses cada año. Las herramientas capaces de detectar automáticamente sus signos podrían contribuir a reducir las tasas de suicidio, ya que permitirían a los médicos identificar con prontitud a las personas que necesitan apoyo psicológico.

Investigadores del Instituto de Investigación Avanzada de Jinhua y de la Universidad de Ciencia y Tecnología de Harbin (China) han desarrollado recientemente un algoritmo de aprendizaje profundo que podría detectar esta enfermedad a partir del habla de una persona. Este modelo fue entrenado para reconocer emociones en el habla humana mediante el análisis de diferentes características relevantes.

Para ello, entrenaron su modelo con el conjunto de datos DAIC-WOZ, una colección de grabaciones de audio y expresiones faciales en 3D de pacientes diagnosticados de trastorno depresivo y de personas sin depresión. Estas grabaciones se recogieron durante entrevistas dirigidas por un agente virtual que hacía diferentes preguntas sobre el estado de ánimo y la vida del entrevistado.

En primer lugar, se realiza un preprocesamiento de la información del habla, que incluye la preacentuación, la ventana de encuadre, la detección del punto final, la reducción del ruido, etc. En segundo lugar, se utiliza OpenSmile (interpretación de voz y música de código abierto mediante extracción en grandes espacios) para extraer las características de clips de audio y clasificarlos.

Los investigadores utilizaron esta herramienta para extraer características individuales del habla y combinaciones de características que suelen encontrarse en pacientes diagnosticados de depresión. A continuación, utilizaron una técnica conocida como análisis de componentes principales para reducir el conjunto.

Su marco obtuvo resultados notables, detectando la depresión con una precisión del 87% en pacientes varones y del 87,5% en mujeres.

En el futuro, el algoritmo de aprendizaje profundo desarrollado por este equipo de investigadores podría ser una herramienta de asistencia adicional para psiquiatras y médicos, junto con otras herramientas de diagnóstico bien establecidas. 

Fuente bibliográfica

DOI: 10.1007/s11036-022-02086-3

Ciencia y Medicina

Destacado Agenda de Eventos

SOLACI-CACI 2024

07 Agosto 2024

Proporciona una plataforma única para el conocimiento, intercambio, colaboración y networking, lo que lo convierte en un evento vital p...

Destacado Artículos Destacados

Avances en la estimación de riesgo cardiovascular

06 Junio 2024

La inclusión de biomarcadores, como las troponinas cardíacas de alta sensibilidad I y T, junto a factores de riesgo, mejora la predicci...

Obesidad: un desafío crítico para la salud global

31 Mayo 2024

De 88 factores de riesgo analizados, aquellos relacionados con el sobrepeso y el síndrome metabólico tienen el mayor impacto en la carg...

Destacado Progresos Médicos

Innovación terapéutica en cáncer urotelial

27 Mayo 2024

Una investigación sobre la terapia combinada de pembrolizumab y enfortumab vedotin marca un hito en el tratamiento de la patología loca...