筛选自杀风险的语音声学分析:用于人与人之间评估自杀倾向的机器学习分类器gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

自杀行为是一个重大的公共卫生问题，每年导致超过70万人死亡。gydF4y2Ba1gydF4y2Ba]。自杀意念被美国国家心理健康研究所定义为“考虑、考虑或计划自杀”，是自杀倾向的最强预测因素之一。因此，了解自杀意念是预防自杀的关键[gydF4y2Ba2gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba]。然而，评估自杀意念对卫生专业人员来说是具有挑战性的，因为它在很大程度上取决于患者的自愿披露。根据一项文献综述，大约一半有自杀倾向的患者在自杀前一周或一个月的谈话中否认有自杀念头。gydF4y2Ba4gydF4y2Ba]。对包括急诊医生在内的非专业人员来说，评估变得更加困难，因为他们对精神病患者的采访经验较少，而且时间压力也很大。gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba]。尽管已经开发了许多自杀风险评估量表来克服这些局限性，但无论是自我报告，如贝克自杀意念量表，还是临床管理的量表，如哥伦比亚自杀严重程度评定量表(C-SSRS)，都证明了有限的预测有效性[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba]。这些传统的秤也需要一些时间投入[gydF4y2Ba9gydF4y2Ba并继续依赖于参与者透露自杀意念的意愿。gydF4y2Ba

语言和言语是诊断精神障碍最重要的数据来源[gydF4y2Ba10gydF4y2Ba]。除了言语内容外，声音特征历来是病人精神状态的有用指标。1921年，Emil Kraepelin将抑郁的声音描述为音调较低、强度较低、节奏较慢和单调的声音[gydF4y2Ba11gydF4y2Ba]。虽然心理健康评估通常需要面对面的访谈，但在某些紧急情况下，必须只使用声音进行。例如，在韩国，韩国自杀预防中心为处于痛苦或需要情感支持的人实施了24小时电话咨询，这是最有力的自杀预防措施之一[gydF4y2Ba12gydF4y2Ba]。对于此类危机热线的咨询师来说，声音是评估自杀风险的唯一信息来源。随着人工智能的进步及其在医学中的应用越来越多，使用机器学习分类器或深度学习架构对人声进行定量分析已经成为可能[gydF4y2Ba13gydF4y2Ba]。这是一种用于筛查精神症状的创新工具。研究表明，声音的各种特征，如音高和语速，可以作为从抑郁到躁狂的情绪变化的敏感和有效的衡量标准[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba]。Faurholt-Jepsen [gydF4y2Ba16gydF4y2Ba]报道，声音的声学特征可以将躁狂或混合状态分类为曲线下面积(AUC)为0.89，将抑郁状态分类为AUC为0.78。在韩国，使用多层处理机器学习方法的语音分析可以区分轻度和重度抑郁症和心境愉悦，AUC为0.66 [gydF4y2Ba17gydF4y2Ba]。值得注意的是，Costantini等[gydF4y2Ba18gydF4y2Ba展示了机器学习算法在开发通用情感检测系统方面的潜力，这种系统对语言、性别和文化的变化都很强大[gydF4y2Ba18gydF4y2Ba]。gydF4y2Ba

许多研究也量化了自杀言语的声学特征[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba]并使用机器学习方法进行分类[gydF4y2Ba21gydF4y2Ba-gydF4y2Ba25gydF4y2Ba]。最近，Belouali等人[gydF4y2Ba23gydF4y2Ba使用美国退伍军人录音的声学特征对自杀话语进行分类，准确率为73%。然而，这些研究只是为了以横断面的方式检查自杀风险。自杀意念在表型上是异质的，在个体内部和个体之间的持续时间、频率、质量和严重程度各不相同。文献表明，在人口水平上对自杀风险进行低自杀风险和高自杀风险的二分分类不足以预测自杀风险，需要纵向方法来检测个人内部的变化[gydF4y2Ba26gydF4y2Ba]。有证据表明，随着时间的推移，自杀意念会发生不同的亚型，这强调了了解个人自杀风险的时间过程的重要性[gydF4y2Ba27gydF4y2Ba-gydF4y2Ba29gydF4y2Ba]。gydF4y2Ba

客观的gydF4y2Ba

在这项前瞻性研究中，我们收集了104名被诊断为情绪障碍的患者在1年内的录音。我们的目标是根据声音的声学特征开发以下两种自杀倾向分类模型:(1)人与人(或个体间)模型，将自己的记录与其他患者的记录进行比较，并对患者是否处于自杀高风险中进行分类;(2)人内(或个体内)模型，将个体患者的记录进行比较，并对他们的自杀倾向自上次就诊以来是否显著恶化进行分类。我们假设，与人之间模型相比，人内模型将对参与者增加的自杀倾向进行分类，准确率更高。gydF4y2Ba

方法gydF4y2Ba

研究对象和环境gydF4y2Ba

采用方便抽样方法招募2019年1月至2021年7月期间在首尔国立大学医院情绪与焦虑诊所就诊的成年患者(年龄≥19岁)。使用迷你国际神经精神病学访谈版本7.0.2进行诊断。根据《精神疾病诊断与统计手册》第五版，双相情感障碍(所有类型，包括I、II和未另行说明的类型)或重度抑郁症患者[gydF4y2Ba30.gydF4y2Ba]，被纳入研究。诊断为其他主要精神障碍如精神病和神经认知障碍的患者被排除在外。如果参与者的声音受到喉部疾病或手术的影响，他们也被排除在外。精神症状可能受器质性脑疾病影响的参与者，如癫痫、创伤性脑损伤或多发性硬化症，或接受过颅内手术的参与者被排除在研究之外。gydF4y2Ba

我们最初的目标是根据之前的语音分析研究招募100名情绪障碍患者，这些研究使用机器学习分析语音特征来检测情绪变化或自杀倾向[gydF4y2Ba23gydF4y2Ba，gydF4y2Ba31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba]。我们还打算通过帖子和网络广告招募100名健康对照者。健康对照组如果被诊断患有任何精神疾病、影响声音的喉部疾病或其他可能导致精神症状的神经系统疾病，则被排除在外。然而，在基线进行探索性分析后，健康对照者被排除在主要分析之外，以确保研究人群的均匀性并避免潜在的混淆。有关这一决定的进一步细节载于gydF4y2Ba讨论gydF4y2Ba部分。gydF4y2Ba

在第一次访问时，研究参与者填写了一份书面知情同意书。患者在招募和随访(2、4、8和12个月)时接受临床检查并完成自我报告问卷。每次拜访都在一个单独的房间里录音。在分析中只使用了临床变量的数值数据和研究参与者的声学特征，因此无法识别说话者。录音的原始文件是匿名的，保密的，除了研究参与者同意的研究之外，不得用于任何其他目的。所有程序均遵循《个人信息保护法》修正案所引入的规则[gydF4y2Ba33gydF4y2Ba]。gydF4y2Ba

临床评估gydF4y2Ba

收集了人口统计数据，如性别、年龄、社会经济地位(SES)、药物使用、身高、体重和伴随的医疗状况。因为抗精神病药物会影响声音[gydF4y2Ba34gydF4y2Ba]，将抗精神病药物总剂量换算成阿立哌唑等效剂量后相加[gydF4y2Ba35gydF4y2Ba]，这是我们研究人群中最常用的处方药。在每次访问中，独立评估员使用韩国版的C-SSRS和汉密尔顿抑郁评定量表(HDRS)评估自杀意图的严重程度和其他精神症状。培训课程和定期监测评级，以确保客观和公正的评级。采用韩版贝克自杀意念量表(SSI)、患者健康问卷-9 (PHQ-9)、贝克焦虑量表(BAI)和Barratt冲动量表(BIS)对患者的自杀倾向、抑郁、焦虑症状和冲动性进行自评。gydF4y2Ba

为了评估自杀的严重程度，我们选择了C-SSRS，它被美国食品和药物管理局认为是衡量自杀意念和行为的黄金标准[gydF4y2Ba36gydF4y2Ba]和SSI，这是最常用的评估自杀意念的自我报告量表，并已被证明是有效的纵向测量[gydF4y2Ba37gydF4y2Ba]。C-SSRS是一种半结构化访谈，用于评估自杀意念和行为的存在和严重程度。这两个构念以5分顺序量表测量自杀意念的严重程度和强度。第三个结构评估了实际的、被打断的和被中止的自杀企图的数量，以及非自杀性自残行为的存在。最后一个构念是实际自杀企图分量表，只有当有实际自杀企图时才会回答[gydF4y2Ba38gydF4y2Ba]。在这个子量表上，采访者记录最致命企图的日期，并对实际的致命性或医疗损害进行评级，其范围从0(无物理损害或非常轻微的物理损害，如表面划伤)到5(死亡)。如果实际致死率为0，采访者对自杀行为的潜在致死率进行评分，范围从0(不太可能导致伤害的行为)到2(尽管有可用的医疗护理，但可能导致死亡的行为)。如下所述的自杀倾向量表是一份包含19个项目的自我报告清单，用以量化自杀意图[gydF4y2Ba39gydF4y2Ba]。为了评估与自杀和声音变化相关的抑郁症状的严重程度，纵向研究中最常用的抑郁症状严重程度量表HDRS和PHQ-9 [gydF4y2Ba40gydF4y2Ba，gydF4y2Ba41gydF4y2Ba]，被使用。HDRS是一个由17个项目组成的临床管理量表，用于评估抑郁症状。临床医生对每个项目进行评分，从0(不存在)到4(严重)。高于16分为中度抑郁，高于24分为重度抑郁[gydF4y2Ba42gydF4y2Ba-gydF4y2Ba44gydF4y2Ba]。PHQ-9是一种自我管理的量表，用于评估主观抑郁。9个项目中的每一个都以5分的顺序量表进行评分，得分≥10分表明中度至重度抑郁症[gydF4y2Ba45gydF4y2Ba]。BAI和BIS问卷分别用于评估与自杀相关的焦虑和冲动水平。BAI是一种自我管理的主观焦虑评估量表，由21个项目组成，按4分顺序评分。≥19分为中度焦虑[gydF4y2Ba46gydF4y2Ba]。BIS是一种自我管理的衡量冲动的量表，由30个项目组成，以5分的顺序量表得分[gydF4y2Ba47gydF4y2Ba]。gydF4y2Ba

声音的特性gydF4y2Ba

每次访问时，使用索尼ICD-SX813录音机记录受试者与2名训练过的研究护士中的1名交谈时的声音，并保存为MP3格式，比特率为128 kbps，比特深度为32位，采样率为44.1 kHz。录音是在一个单独的采访室内进行的，参与者在距离录音机60到100厘米的地方说话。虽然在预处理阶段可能会出现意外的背景噪声，例如医院的公告，但我们只提取不包含混合噪声的语音片段。短于3秒的话语被排除，剩余的话语被分割成10秒的长度。gydF4y2Ba

从每个被分割的话语中提取语音的时间、共振峰、频谱和其他物理特征，并在整个时间间隔内取平均值[gydF4y2Ba17gydF4y2Ba]。时间特征包括说话间隔和节奏的时间和长度(即声学成分的周期性程度)。光谱特征包括平均谱质心、谱带宽、滚降频率、均方根能量和Mel-Frequency倒谱系数。利用线性预测系数得到的形成峰特征是频谱的局部最大值，代表声道的共振。提取前3个共振峰及其对应的带宽。其他物理属性，包括基音的均值和方差、幅度、过零率和语音成分，也被提取出来。总共提取了60个声学特征。使用Python(3.7版本)进行提取，使用以下软件包提取声学特征:librosa 0.7.2, NumPy 1.17.2, pandas 1.4.1。在预处理阶段未执行归一化或滤波。gydF4y2Ba

统计分析gydF4y2Ba

根据患者的SSI得分，将其归类为自杀风险高的患者。采用SSI的原因如下:(1)前期研究已经确立了SSI具有较高的内部一致性，Cronbach α值在0.8 ~ 0.9之间，具有较高的重测稳定性和并发效度[gydF4y2Ba39gydF4y2Ba，gydF4y2Ba48gydF4y2Ba，gydF4y2Ba49gydF4y2Ba];(2) SSI以访谈者评定的自杀意念量表为模型，该量表是少数具有预测自杀完成效度的自杀量表之一[gydF4y2Ba50gydF4y2Ba];(3) SSI已被证明是随时间变化的测量不变量，这对我们的纵向分析特别重要[gydF4y2Ba37gydF4y2Ba]。事实上，对最常用的自杀评估工具的系统回顾得出结论，SSI是最可靠的工具之一，因为它具有心理测量特性、临床实用性和文化适应性[gydF4y2Ba51gydF4y2Ba]。该量表并没有一个普遍的临界值来定义自杀风险的严重程度，但之前对韩国人群的研究表明，临床临界值如下:正常，0-8;温和,9 - 11;温和,12 - 14;严重的，15-38 [gydF4y2Ba52gydF4y2Ba，gydF4y2Ba53gydF4y2Ba]。在个体间分析中，SSI≥15的患者被归类为严重自杀。据我们所知，对于临床上重要的患者自杀风险恶化或复发的定义尚无共识。对于其他精神症状，如精神病，在以往的研究中使用了各种不同的标准来定义复发[gydF4y2Ba54gydF4y2Ba，gydF4y2Ba55gydF4y2Ba]，包括定量标准，如临床量表得分增加(如阳性和阴性综合征量表增加≥25%)，定性标准，如精神病院住院和自杀或自残行为[gydF4y2Ba54gydF4y2Ba]。基于先前使用SSI进行的纵向分析，该分析得出结论，SSI分数随时间的变化可归因于自杀倾向的真正变化[gydF4y2Ba37gydF4y2Ba]，我们使用C-SSRS的第三个构式将“临床显著的自杀风险恶化”定义为在随访期间SSI评分或有自杀企图或自残行为增加≥25%。gydF4y2Ba

学生gydF4y2BatgydF4y2Ba采用独立性检验和卡方检验来评估自杀高风险和低自杀风险患者在人口学和临床特征方面的差异。Fisher精确检验用于小样本量的比较。显著性水平设为gydF4y2BaPgydF4y2Ba< . 05。对于25段不完全SSI录音，采用多重imputations (R package，gydF4y2Ba老鼠gydF4y2Ba)，该方法在测量精神症状的自我调查问卷中，最能反映缺失值[gydF4y2Ba56gydF4y2Ba]。多重插值使用协变量，通过迭代为每个缺失值生成一系列似是而非的值[gydF4y2Ba57gydF4y2Ba]。采用双尾比较自杀组和非自杀组的声学特征gydF4y2BatgydF4y2Ba曼-惠特尼测试gydF4y2BaUgydF4y2Ba测试。所有统计分析均使用R(版本4.1.0;R Foundation for Statistical Computing)。gydF4y2Ba

为了利用机器学习构建预测模型，研究了几种分类算法，包括已经在语音分析中使用的算法，即支持向量机(SVM)、随机森林(RF)、光梯度增强(light GBM)、极端梯度增强(XGB)算法和人工神经网络(ANN) [gydF4y2Ba16gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba53gydF4y2Ba]。支持向量机使用超平面来表示数据点，并试图最大化不同类别之间的边界。将射频定义为基于套袋的多随机决策树结构。由于它们的简单性，这两种方法被广泛用于多种机器学习任务，包括临床数据。Light GBM和XGB是先进的机器学习算法。轻型GBM基于梯度增强，具有更高的效率。XGB也是基于增强算法，并以其快速收敛速度而闻名。人工神经网络使用单层或多层，包括一个完全连接的层。当数据通过这些层时，使用了各种特征，我们可以使用各种特征。gydF4y2Ba

预测性能是根据分类准确率来评估的，分类准确率是正确预测的数量与输入样本总数的比率。模型中使用的特征是根据其临床重要性和与自杀风险或加重的统计关联，通过特征排序来选择的[gydF4y2Ba58gydF4y2Ba]。对于内部验证，gydF4y2BaKgydF4y2Ba进行交叉验证。在这种方法中，从数据集中随机创建“k”个子样本，并分别用于训练(gydF4y2BakgydF4y2Ba-1)，测试(1)算法。这种方法在使用临床数据的机器学习研究中很流行。它最大限度地减少了过拟合，同时克服了在整个迭代过程中重复内部验证时的小样本量[gydF4y2Ba59gydF4y2Ba]。采用贝叶斯优化进行超参数调优[gydF4y2Ba56gydF4y2Ba]，并使用合成少数过采样技术来解释阶级不平衡。机器学习分析使用Python 3.7.0进行，gydF4y2Bascikit-learngydF4y2Ba包0.22，和gydF4y2BaxgboostgydF4y2Ba0.90包。gydF4y2Ba

最初，人与人之间的分类模型侧重于根据声音的声学特征来区分高风险和低风险自杀患者。使用相同的模型对所有患者进行录音。其次，人内分类模型与检测患者临床自杀意念严重恶化的能力有关。在这种情况下，分析了参与者的听觉特征的变化。本分析使用了从基线到4个月的数据(gydF4y2Ba图1gydF4y2Ba)。为了评估模型的性能，我们使用gydF4y2BakgydF4y2Ba交叉验证(gydF4y2BakgydF4y2Ba=10)在基线和招募后2个月的参与者数据中进行内部验证。对于外部验证，我们使用来自2个月和4个月评估的数据评估同一模型的性能。gydF4y2Ba

‎gydF4y2Ba

伦理批准gydF4y2Ba

所有程序均经首尔国立大学医院机构审查委员会(1812-081-995)批准，并按照1964年《赫尔辛基宣言》及其后来的修正案规定的道德标准进行。gydF4y2Ba

结果gydF4y2Ba

患者的人口学和临床特征gydF4y2Ba

共有104名被诊断为情绪障碍的参与者参与了这项研究。在104例患者中，12例(11.5%)被诊断为重度抑郁症，92例(88.5%)被诊断为双相情感障碍。此外，76%(79/104)患者为女性。此外，14.4%(15/104)的参与者有自杀企图史。在基线，排除6名SSI不完整的研究参与者，69%(68/98)的参与者根据他们的SSI被归类为高自杀风险(HS)。HS组患者年龄较轻(gydF4y2BaPgydF4y2Ba=.01)，更有可能独自生活(gydF4y2BaPgydF4y2Ba= .049)。根据PHQ-9 (gydF4y2BaPgydF4y2Ba<.001)， HDRS (gydF4y2BaPgydF4y2Ba<.001)，焦虑(gydF4y2BaPgydF4y2Ba<.001)，并且更有可能有自杀企图史(gydF4y2BaPgydF4y2Ba= .02点)。在性别、身体质量指数、精神病学诊断、社会经济地位、受教育年限、抗精神病药物剂量、医学合并症和冲动方面无统计学差异(gydF4y2Ba表1gydF4y2Ba)。gydF4y2Ba

在研究期间共录制了348次录音。在随访期间，74%(77/104)的参与者在招募后2个月访问，61.5%(64/104)的参与者在招募后4个月访问，51%的参与者在8个月访问(53/104)，48.1%(50/104)的参与者在招募后12个月访问。在收集录音的访谈过程中，共有25人在场，但没有完成SSI问卷。对于这些参与者，根据人口统计学和临床特征，包括其他精神病学量表，如HDRS，进行了多次impuimputs。gydF4y2Ba

对于内部分析，来自77名参与者的录音用于内部验证。在最初的随访中，7%(6/77)的患者有非自杀性自伤行为，9%(7/77)的患者有自杀企图。包括有自残或自杀行为的患者，共有28.6%(22/77)的患者被归类为临床自杀风险加重。为了外部验证，55例患者在招募后2个月和4个月随访，其中30.9%(17/55)被归类为临床自杀风险加重。招募时抗精神病药物的平均处方剂量相当于12.35 mg阿立哌唑，而招募后2个月和4个月分别相当于10.99 mg和13.59 mg阿立哌唑。在前2个月，自杀风险加重的患者和其他患者的抗精神病药物处方剂量的变化有统计学意义。在前2个月内自杀意念未加重的患者在2个月的时间点上使用较低剂量的抗精神病药物，平均变化相当于- 3.84 (SD 11.80) mg的阿立哌唑，而自杀风险加重的患者使用较高剂量的阿立哌唑，即增加2.71 (SD 12.35) mg的剂量(gydF4y2BatgydF4y2Ba_37gydF4y2Ba= 2.13;gydF4y2BaPgydF4y2Ba= .04点)。然而，在接下来的2个月，即招募后2至4个月，两组间抗精神病药物处方剂量的变化无显著差异(gydF4y2BatgydF4y2Ba_48gydF4y2Ba=−0.23;gydF4y2BaPgydF4y2Ba= .82)。gydF4y2Ba

声学分析gydF4y2Ba

所提取的60个声音声学特征的特征与自杀倾向之间的相关性在gydF4y2Ba表2gydF4y2Ba。自杀记录与非自杀记录在均方根能量、F1、震级误差、MFCC1、MFCC5、MFCC22和MFCC27方面存在差异。自杀录音也显示出更高的第一峰带宽和更低的平均音高的趋势。对于人体内模型，声学特征的变化，即∆gydF4y2Ba_{0 t→gydF4y2Ba}(声学特征)，从基线到2个月和从2到4个月进行测量。与2个月前相比，自杀倾向加重的患者Mel-frequency倒谱系数(MFCC) MFCC8、MFCC29、MFCC30、MFCC31、MFCC32的变化具有统计学意义。mel频率倒谱系数是通过计算音频段的对数量级mel频谱的频谱而得到的系数;较低的系数代表声道滤波器，较高的系数代表周期性的声带源[gydF4y2Ba14gydF4y2Ba]。gydF4y2Ba

机器学习预测模型gydF4y2Ba

人与人之间的分类模型gydF4y2Ba

模型中包含的人口统计学特征包括性别、年龄和过去的自杀企图。模型中包含的语音特征为均方根能量、F1、F0带宽、F2带宽、平均基音、幅度误差、MFCC1、MFCC5、MFCC15、MFCC22、MFCC24和MFCC27。XGB分类器的准确率达到63.7%，而轻型GBM的准确率为61.1%。RF和SVM分类器表现不佳。基于单层神经网络的分类模型表现更好，准确率为68.7% (gydF4y2Ba图2gydF4y2Ba)。该分类模型的灵敏度(或召回率)为73.7%，特异度为62.3%，准确率为71.1%gydF4y2BaFgydF4y2Ba_1gydF4y2Ba-得分为72.4%。AUC为0.62。gydF4y2Ba

‎gydF4y2Ba

人内分类模型gydF4y2Ba

使用了均方根能量、MFCC1、MFCC8、MFCC9、MFCC19、MFCC20、MFCC28、MFCC29、MFCC31、MFCC33、MFCC34、MFCC35、MFCC36等语音特征，以及与人间分类模型相同的人口统计学特征。从基线到2个月即内部验证，XGB表现出最好的性能，准确率为79.2%。该模型的敏感性为68.2%，特异性为83.6%，精密度为62.5%gydF4y2BaFgydF4y2Ba_1gydF4y2Ba分数为65.2%。采用相同模型进行2 ~ 4个月的预测进行外部验证，准确率为61.8%。该模型的敏感性为23.5%，特异性为78.9%，精确度为33.3%gydF4y2BaFgydF4y2Ba_1gydF4y2Ba-得分为56.8%。内部验证的AUC为0.67，外部验证的AUC为0.56 (gydF4y2Ba图3gydF4y2Ba)。gydF4y2Ba

‎gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

在这项使用机器学习对被诊断为情绪障碍的患者进行的前瞻性分析中，语音特征的个人变化预测了2个月内自杀倾向的恶化，准确率为79%。对348例患者记录的横断面分析在检测高自杀风险方面达到69%的准确率。年龄较小、单身、过去有自杀企图、抑郁和焦虑症状的严重程度较高与情绪障碍患者较高的自杀率相关。单身状态、有过自杀企图和较高的抑郁程度是已知的自杀风险因素[gydF4y2Ba50gydF4y2Ba]。gydF4y2Ba

与非自杀记录相比，自杀记录具有更高的均方根能量和振幅SE，以及更低的第一形成峰频率(F1)。他们还区分了MFCC1、MFCC5、MFCC22和MFCC27。自杀风险增加的参与者的记录显示，与2个月前相比，MFCC8、MFCC29、MFCC30、MFCC31和MFCC32发生了变化。这些结果与先前的研究结论一致，即形成峰行为和功率分布似乎可以区分重度抑郁症和高自杀风险患者的声学特征[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba]。Frances等人[gydF4y2Ba20.gydF4y2Ba[]的报告指出，均方根和幅度变异系数——与我们研究中的均方根能量和幅度SE相当——是自杀和抑郁言语的最佳鉴别指标之一。虽然有几项研究报道了抑郁和自杀言语的第一峰频率的差异，但在以前的研究中，变化的方向并不一致[gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba60gydF4y2Ba，gydF4y2Ba61gydF4y2Ba]。这种不一致可以部分解释为使用不同的方法来收集语音样本。一些研究是在实验室环境中进行的，在那里，特定的任务被赋予，并分析语音的部分(例如，托克米特等人的元音)。gydF4y2Ba61gydF4y2Ba])，而另一些则是在更自然的环境中进行的，比如治疗过程或病人和精神科医生之间的电话交谈，在录音过程中，声音特征是平均的[gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba24gydF4y2Ba]。在本研究中，在临床访谈中进行录音。gydF4y2Ba

用于标记自杀行为的SSI并没有一个普遍的临界值来定义自杀行为的严重程度。在一项对6891名精神科门诊患者进行的为期20年的前瞻性研究中，SSI得分≥3的患者自杀的可能性是基线得分<3的患者的7倍[gydF4y2Ba50gydF4y2Ba]。一项对366名自杀未遂患者在一家综合医院接受精神病学联络服务的回顾性研究表明，SSI≥6的临界值是分类准确率最高的[gydF4y2Ba62gydF4y2Ba]。与这些研究相比，本研究的平均SSI评分要高得多(平均基线SSI=18.5)。这种差异可能是由于研究参与者的症状更严重，他们是在三级医院门诊就诊的情绪障碍患者;或与跨国差异有关，因为先前对韩国人群的研究也报告了较高的SSI得分，并建议SSI≥15的临界值来定义严重自杀风险[gydF4y2Ba52gydF4y2Ba，gydF4y2Ba53gydF4y2Ba]。gydF4y2Ba

的优势gydF4y2Ba

据我们所知，这是第一个分析个人声音特征随时间变化的研究，以预测自杀倾向是否在随访期间恶化。以往的研究侧重于在人群水平上对自杀风险进行横断面评估，并使用了一种与本研究中第一个模型类似的方法，即人与人之间的分类模型[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba，gydF4y2Ba23gydF4y2Ba，gydF4y2Ba24gydF4y2Ba]。尽管个体之间声学特征的差异很大程度上是由于与发声有关的器官的特征，如声道或鼻道、肺和胸壁，但个体内部的差异更好地反映了个体状况的变化。事实上，单独训练的机器学习模型已经被开发出来，并在精神病学和神经病学的其他领域显示出良好的效果，例如情感[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba63gydF4y2Ba]和运动障碍[gydF4y2Ba64gydF4y2Ba]。自杀倾向是一种复杂的症状，可能因人而异地表现和发展[gydF4y2Ba26gydF4y2Ba，gydF4y2Ba29gydF4y2Ba]，而个性化的方法似乎是合适的。在我们的研究中，人内分类模型优于人间分类模型，这与我们的假设是一致的。gydF4y2Ba

我们研究的另一个优势是样本量相对较大，并且对缺失数据使用了多次imputation。在具有多个测量时间点的纵向研究中，损耗是不可避免的。忽略缺失的数据会引入未知大小和方向的偏差[gydF4y2Ba65gydF4y2Ba]。患者可能在随访期间的任何时候拒绝继续参与研究，他们的拒绝可能与感兴趣的结果的改善或恶化有关。多重输入是处理纵向研究中自我报告结果重复测量的缺失数据的一种可靠方法[gydF4y2Ba66gydF4y2Ba]，特别是当变量与完整数据案例的比例小于1:3时[gydF4y2Ba67gydF4y2Ba]。在本研究中，在348次有录音的访问中，7.2%(25/348)的研究没有完成SSI自我问卷。对于这些就诊，基于人口统计学(年龄、性别、抗精神病药物剂量、社会经济状况等)和临床协变量(包括临床使用的量表，如HDRS和C-SSRS)进行了多次归算。gydF4y2Ba

在临床访谈中使用病人的声音录音有几个优点。语音记录更接近现实生活，允许在未来对声音进行自动定量分析。这次采访还允许录音足够长的时间(>15分钟)，而不像以前的大多数研究使用的录音长度从几秒钟到几分钟不等[gydF4y2Ba23gydF4y2Ba-gydF4y2Ba25gydF4y2Ba]，并允许包含口语和副语言表达，为语音分析提供信息[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba17gydF4y2Ba]。在最近一项使用Emofilm数据库的研究中，Costantini等人[gydF4y2Ba18gydF4y2Ba研究并得出结论，尽管语言和文化存在差异，但跨语言分类器仍能保持大腿性能。在我们的研究中，在相同的门诊诊所设置中使用相同的麦克风模型来控制技术规格，减少了设备和环境相关的噪声和混响变化[gydF4y2Ba14gydF4y2Ba]。Stasak和Epps [gydF4y2Ba68gydF4y2Ba[]报道，不同设备之间音频采集技术的可变性可能导致基于音频的分类算法性能的不良变化。gydF4y2Ba

限制gydF4y2Ba

我们的研究有一些局限性。首先，对于人间分析，不同时间点的记录作为独立观察进行分析，尽管有些记录是在不同时间点收集的同一患者的重复样本(gydF4y2Ba图1gydF4y2Ba)。由于招募有自杀倾向的患者并从他们那里获取录音存在挑战，因此这种纵向音频收集和录音综合分析作为独立措施的分析是很常见的。在最近的一项利用声音特征来筛选自杀意念的研究中，Belouali等人[gydF4y2Ba23gydF4y2Ba]开发了一种分类算法，使用了从124名美国退伍军人那里获得的588段录音。Faurholt-Jepsen等[gydF4y2Ba16gydF4y2Ba]和Arevian等[gydF4y2Ba63gydF4y2Ba]使用了在随访期间分别从28名和47名患者中收集的数百个电话，并将每个电话的数据作为独立的度量来处理，以开发“用户独立”或“人口水平训练模型”。gydF4y2Ba

其次，使用2个月内SSI评分增加≥25%的标准进行个人分析需要注意。与最初获得较高分数的患者相比，最初获得较低SSI分数的患者更有可能被归类为自杀风险增加。假设患者在基线时得分为3分，在2个月时得分为4分，则被归类为自杀倾向恶化，但在基线时得分为15分，在随访时得分为18分的患者则不是这样。这使得分类器在检测低初始自杀倾向患者的自杀风险增加时更加敏感。在本研究纳入的77例受试者中，在2个月的随访期间，54例(70.1%)被归为基线SSI评分≥15(即高危)，13例(24.1%)被归为自杀倾向加重，而23例(29.9%)基线SSI评分<15(即低风险)的患者中有9例(39.1%)被归为自杀倾向加重。为了使用百分比增加标准检验偏倚，测试了一个分类模型，将恶化定义为与2个月前相比，SSI评分增加≥1。尽管41.6%(32/77)的患者在2个月时的SSI评分较基线增加≥1，但最佳分类器准确率仅为67.5%，尽管分类不平衡有所减轻。gydF4y2Ba

第三，潜在的混杂因素，如人口因素(性别、年龄等)和抗精神病药物的使用无法控制。因此，很难确定声学特征的变化是否仅仅是因为自杀意念的改变，还是与抗精神病药物剂量的变化或其他混杂因素有关。尤其值得注意的是，在我们的研究人群中，女性的数量超过男性，而且自杀组比非自杀组更年轻(gydF4y2Ba表1gydF4y2Ba)。通过将研究人群限定为诊断为情绪障碍的患者，从而使人群均匀化，我们能够减少一些潜在的混杂因素。作为初步分析，我们开发了一种射频分类器算法，使用100名被诊断为情绪障碍的患者和88名健康对照者，正确识别出高自杀风险患者，准确率为71%，AUC为0.69 (gydF4y2Ba多媒体附录1gydF4y2Ba)。尽管分类器表现良好，但当我们纳入健康对照时，我们发现自杀组的BMI更高，抗精神病药物的剂量也高于非自杀组(gydF4y2Ba多媒体附录2gydF4y2Ba)。这些差异可能导致了声学特征的差异，并在分析中成为混杂因素。先前的研究表明，BMI [gydF4y2Ba69gydF4y2Ba，gydF4y2Ba70gydF4y2Ba]和抗精神病药物处方[gydF4y2Ba34gydF4y2Ba会引起声带张力和气流的变化，进而影响测量到的声学特征。gydF4y2Ba

第四，尽管准确率很高，但人与人之间模型和人内模型的AUC分别仅为0.62和0.67，这可以部分解释为类不平衡，并暗示选择合适的决策阈值的重要性[gydF4y2Ba71gydF4y2Ba]。低AUC值表明结果可能不能推广到更大的人群。第五，分类模型的预测能力取决于用于标记的SSI的有限预测效度。虽然没有评估量表可以完美地预测自杀行为，但SSI是以访谈者评定的自杀意念量表为模型的，这是为数不多的具有预测效度的自杀量表之一[gydF4y2Ba37gydF4y2Ba，gydF4y2Ba50gydF4y2Ba]。此外，SSI与我们研究中评估的其他量表有很强的相关性，包括C-SSRS和HDRS中评估自杀风险的项目(项目3)。Pearson相关检验的结果见gydF4y2Ba多媒体附录3gydF4y2Ba［gydF4y2Ba72gydF4y2Ba]。最后，相对于声学特征数量的小样本量、输入标签的使用以及合成少数派过采样技术都可能导致过拟合。为了降低过拟合的风险，我们使用过滤方法仔细选择分类器中包含的特征，并进行k-fold交叉验证。gydF4y2Ba

未来的角度gydF4y2Ba

考虑潜在混杂因素的未来研究可能会进一步深入了解影响自杀倾向患者声音变化的因素。不同的融合方法，如整合语音文本特征或其他可能在临床访谈中收集的行为标记的集成建模，也可以改进分类算法。然而，使用声音作为生物标志物的研究也必须考虑保护研究参与者的隐私和机密性的伦理影响[gydF4y2Ba73gydF4y2Ba]。gydF4y2Ba

本研究中开发的算法对自杀预防和远程医疗具有重要意义，因为它们可以作为对自杀高风险患者进行及时评估和干预的基础。特别是，语音分析的纵向方法可以用于识别增加的自杀风险，以监测高风险群体并尽早进行干预。通过使用基于远程获取的声学特征的筛选仪器，该算法可以识别需要紧急干预的患者，如立即调整药物或住院治疗。先前的研究表明，使用基于语音的自杀风险检测工具可以用于临床决策，在远程医疗平台上提供实时风险评估，并在未来成为自杀预防策略的一部分[gydF4y2Ba74gydF4y2Ba，gydF4y2Ba75gydF4y2Ba]。未来的研究应侧重于这些工具在实际临床环境中的实施和验证。值得注意的是，一项关于自杀预防电话随访项目的研究得出结论，持续≥12个月的较长的项目与较短的项目相比，在预防自杀方面更有效[gydF4y2Ba76gydF4y2Ba]，强调了纵向评估和干预自杀预防的重要性。gydF4y2Ba

结论gydF4y2Ba

据我们所知，这是第一个比较基于声学语音特征的人与人之间和人与人之间的分类来检测高自杀风险的研究。我们的研究结果表明，人内模型优于人间模型，强调了在分析声学特征以预测临床状态时考虑个体可变性的重要性。这项研究支持使用纵向和个性化的方法来评估自杀行为。gydF4y2Ba

最终，我们的工作支持开发基于语音特征自动实时定量分析的临床决策支持系统的可能性，该系统可以帮助筛选高危患者的自杀倾向，这可以在远程医疗中应用。gydF4y2Ba