纽约大学医学院运用语音分析技术 开发创伤后压

纽约大学（NYU）医学院与SRI International的研究人员采用统计机器学习（statistical machine learning）技术：随机森林（random forest）算法与语音分析（speech analysis）平台SenSay Analytics的部分功能，开发人工智能（AI）语音分析工具以支持创伤后压力症候群（PTSD）的临床诊断。

分析语音的频率、韵律、声调、发音特征，可协助诊断创伤后压力症候群

据NYU Langone Health报导，PTSD的患者在遭逢触发事件时会经历强烈而持续的精神紧张症状，全球逾70%的成年人一生中曾经历创伤事件，而部分艰困国家中的人民约12%正苦于PTSD。最常使用的诊断方式是透过临床面谈或自陈式（self-report）评估，不过两者的结果都易受成见影响，因此必须找出可衡量、客观、实际的PTSD发展指标，但迄今进展缓慢。

2019年4月22日NYU研究团队以在线方式发表于Depression and Anxiety期刊的「美国退伍军人PTSD语音标记（Speech-based markers for posttraumatic stress disorder in US veterans）」研究报告指出，分析退伍军人说话的语音特征可用于协助诊断PTSD，NYU发展的AI语音分析软件辨识PTSD患者的成功率达89%。

语音工具可提供非侵入式、低成本、可远距操作等优势，因此非常适合用于自动化诊断系统，例如集成至诊断PTSD的智能型手机App。NYU医学院发表的研究并未探究导致PTSD的成因与机制，而是基于创伤事件会改变人脑控制情绪与肌肉张力的回路，进而影响其语音特征的理论，来开发PTSD临床诊断AI工具。

运用随机森林算法发展的AI程序，能够基于实例学习处理个体分类，所建立的决策规则与数学模式，可随训练资料量增加而强化决策准确性。较不清晰的谈话、没有生气且刺耳的语调，长久以来即被视为有助于辨识与诊断PTSD，NYU医学院的研究团开发的随机森林程序可为特定语音特征模式与PTSD症状建立连结作为诊断依据。

研究人员首先录制数小时包括53名在服役时罹患PTSD症状与78名无PTSD症状的伊拉克与阿富汗退伍军人的标准诊断面谈，作为临床医师施行的PTSD衡量标准（Clinician-Administered PTSD Scale；CAPS），接著将其输入结合随机森林与SRI International语音技术的AI软件，从诊断面谈中筛选出各种模式，共计撷取出40，526个语音相关的特征。

苹果（Apple）的 Siri是由SRI International所开发，NYU医学院研究团队的AI PTSD诊断工具运用的语音分析技术，即是SRI International的语音分析平台SenSay Analytics的部分功能。未来NYU医学院研究团队计画用更多资料训练AI语音工具以强化其功能，并进一步以独立的样本进行功能验证，最终将向美国政府申请批准应用于医疗院所的临床实际病例。

SenSay Analytics语音分析平台分析语词时会结合语音的频率、韵律、声调，以及发音的特征以推断说话者的沟通质量、认知、情绪、生理与心理健康、情绪等状态，相关技术已被Ambit、Decoded Health、Oto等新创应用于各种产业应用。NYU的研究团队成员包括NYU医学院的教授、NYU精神医学系与SRI International的研究人员。

NYU这项研究计画是由美国陆军医学研究采购活动（U.S. Army Medical Research Acquisition Activity；USAMRAA）组织及远距医疗与先进技术研究中心（Telemedicine and Advanced Technology Research Center；TATRC）的W81XWH-ll-C-0004，以及Steven and Alexandra Cohen Foundation所资助。