9月2日消息，据国外媒体报道，医生诊断抑郁症通常会问病人一些具体的问题，比如情绪、精神疾病、生活方式和个人病史等，然后根据做出的答案进行诊断。如今，麻省理工学院(MIT)的研究人员建立了一个人工智能模型，可以在不需要回答这些特定问题的情况下，根据人们的自然会话和写作风格来判断他们是否患有抑郁。

　　据该项目的首席研究员图卡·阿尔哈奈说，"一个人是快乐的、兴奋的、悲伤的，或者有一些严重的认知状况，比如抑郁，我们得到的第一个暗示就是通过他们的语言。如果要想部署抑郁检测模型……希望对正在使用的数据进行最小化约束，那就尝试在任何常规的对话中使用它，让模型从自然的交互中获得个体的状态。"

　　研究人员将这种模型称为"上下文无关"，因为在可以被问的问题类型或将被查找的响应类型中没有约束。研究人员使用一种被称为序列建模的技术，从与抑郁者和非抑郁者的对话中输入模型文本和音频。随着序列的累积，模式就出现了，比如"sad"或"down"等词的自然使用，以及更平更单调的音频信号。

　　阿尔哈奈说:"这个模型能观察到一系列的词汇或说话方式，并确定这些模式更可能出现在抑郁或不抑郁的人身上。""然后，如果它在新受试者身上看到同样的序列，就能预测他们是否也会抑郁。"在测试中，该模型识别抑郁症的成功率达到77%，超过了几乎所有其他模型——其中大多数依赖于高度结构化的问题和答案。

　　研究团队称，这个模型是将成为临床医生的一个有用的工具，因为每个病人说话都不一样。"如果模型看到了变化，也许它会成为医生诊断的证据，"共同研究员詹姆斯·格拉斯说。"在未来，该模型还可以为移动应用程序提供动力，这些应用程序可以监控用户的文本和语音，以备精神困扰，并发送警报。这对于那些由于距离、费用或缺乏对可能出现问题的认识而无法找到临床医生进行初步诊断的人来说尤其有用。"

　　研究人员还打算在更多患有其他认知疾病(如痴呆症)的受试者身上测试这些方法。阿尔哈奈说:"这并不是检测抑郁症，而是一个类似的概念，从日常语音信号来判断一个人是否有认知障碍。"