2016年，辛辛那提市校园内青少年的自杀率激增，儿童福利院的行为健康本家儿管黛比·金瑞奇（Debbie Gingrich）目睹事态恶化，但原因不明。自杀是美国青年的第二大死因，曩昔15年辛辛那提市的自杀率根基连结不变，现在却呈现剧增，令人担忧。到了2017年1月，增加的趋向仍在继续。
据报道，一名8岁男童在被校园霸凌后自杀，不久之后，还有6论理学生也选择竣事了他们的生命。家长和黉舍都心急如焚，本地医疗部分火急需要一种手段，以找出自杀风险最高的孩子。金瑞奇说：“查抄是否骨折，拍个X光就能知道，但在心理健康范畴却缺乏有用的东西，每个人都想知道，为了拯救生命，我们能做些什么？”
作为解决方案之一，辛辛那提市各级黉舍决议测验考试一项尝试性的人工智能手艺。据称，该手艺能检测人类说话中是否埋没有自杀倾标的目的。该机械进修算法的开辟者约翰·佩斯蒂安（John Pestian）是辛辛那提市儿童病院医学中间（Cincinnati Children’s Hospital Medical Center）的生物医学信息学与精力病学传授。该算法将详尽筛查患者灌音并阐发旌旗灯号组合，此中有些是人类无法察觉的，如：调子的细微转变，或词语和音节之间的纳秒级延迟。
该算法的练习集来自于自杀绝笔以及近期曾自杀未遂的患者灌音。在2016年的一次研究中，佩斯蒂安的团队用379位患者的灌音来测试 。第一组患者在曩昔24小时中曾测验考试自杀；第二组患者按照精力判定被确诊患有精力疾病，但从未试图自杀；第三组灌音的患者均不具有以上两种特征。单是经由过程扫描灌音的内容，佩斯蒂安的算法就可以或许以85%的精确率将患者准确分类。
2019年春季，佩斯蒂安的算法在几所辛辛那提黉舍初次测试。在第一阶段，教导员利用常规手段对学生进行心理健康评估，并同时利用定制的手机APP灌音。研究人员想知道声音阐发的成果是否与精力病学调查和专家定见一致。
成果算法表示杰出，于秋季在20所黉舍中奉行，并记实了上千论理学生的访谈。研究人员但愿这项手艺可以或许阐扬指导感化，让有需要的学生去做进一步的精力病学评估，以阻止悲剧发生。只要能拯救生命，这项手艺就是有价值的。
在计较精力病学（computational psychiatry）的新兴范畴中，语音阐发是一项很有前景的前沿手艺，将人工智能东西应用于心理健康范畴。用高机能计较机对大量数据进行分类，研究人员对认知、行为和脑功能的模式进行深切阐发，以帮忙他们理解和检测精力疾病。
在语音方面，原本只有练习有素的精力病学家才能识别某些说话和声音模式，这些程序不仅能主动检测，还能捕获到一些人耳无法感知的声学线索。尤其是哈佛大学、麻省理工学院、哥伦比亚大学和斯坦福大学的科学家们开辟的算法，今朝已经可以或许做到，仅利用短短一分钟的语音（经本人赞成收集），就初步筛查出是否患有创伤后应激障碍、抑郁症、精力割裂、精力病和双相障碍。经查验，这些主动阐发算法与专业精力病学家的定见达到了70%-100%的吻合度。
心理健康危机在美国舒展，自杀率达到二战以来的新高点，加上精力病学范畴人才稀缺，人们对人工智能寄予厚望。美国国防部正持续帮助AI东西的研究，用于检测创伤后应激障碍。好比用于阐发疆场归来士兵的精力状况，以判定该士兵是否适合从头遣调。
硅谷也正在鼎力投资，例如，2019年早些时辰，谷歌入伙特雷弗项目（The Trevor Project）——为LGBTQ青少年群体做自杀干涉干与的非营利组织。该项目将利用谷歌专利手艺，来检测阐发声音和文字中的人类感情，阐发患者可能的自杀风险，标的目的黉舍教导员发出预警。
谷歌介入的特雷弗项目—来历：thetrevorproject.org
从智妙手机和社交媒体上收集而来的，来自真实宿世界的大量数据（也许有一天像亚马逊的Alexa或Google Home这样的语音助手也能当作为采集源），正在帮忙科学家们研发临床东西，这些东西将有但愿以长途无创的体例扫描精力疾病，且当作本低廉。
“不消活检，甚至不消抽血，只要给他们灌音就行了。”查尔斯·R·马玛（Charles R. Marmar）说道，他是纽约大学医学院的精力病学系本家儿任，专门研究创伤后应激障碍。
新手艺带来便利，也带来一系列问题，既有临床方面的，也有道德上的。该由谁来收集这些数据，又该让谁来阐发？研究人员对AI的诊断有几多决定信念？若是机械对一小我的心理健康给出了错误评估，又该怎么做才能避免危险的后果？
心理健康的诊断难题
美国每年在心理健康办事上的破费跨越2010亿美元，是所有疾病治疗中开销最大的一个类目，但依然求过于供。美国对折以上的区县没有社区福利工作者、心理学家或精力病学家。心理健康不像其他医学范畴，没法用血检或生物标识表记标帜来加速诊断，仍是本家儿要依靠专家一对一的谈话和不雅察，很是耗时。
即使这样，心理健康诊断的精确性也还远远不敷。严重精力疾病是按照《精力疾病诊断与统计手册》（Diagnostic and Statistical Manual of Mental Disorders）来分类的，但分歧疾病的诊断尺度之间存在着半斤八两大的重叠。
例如，焦炙症的症状“注重力集中坚苦和精神程度改变”，也可指标的目的双相障碍、创伤后应激障碍或抑郁症。按照2018年颁发在《美国医学会杂志-精力病学》（JAMA Psychiatry）上的一项研究，至少有一半的患者收到过不止一种精力病学诊断，有时需要破费数年才能确定哪个是准确的。
2013年，就在《精力疾病诊断与统计手册》第五版出书前夜，美国国立精力卫生研究院（National Institute of Mental Health，或称NIMH）院长托马斯·英赛尔（Thomas Insel）对这本参考书感应十分掉望，甚至在NIMH网站的院长博客上公开声明，此手册“缺乏科学逻辑”、“精力疾病患者需要更科学的诊断尺度”。
英赛尔倡导将研究重点从《精力疾病诊断与统计手册》的疾病分类上转移——少存眷症状，多存眷引起疾病的原因，英赛尔称这是实现“切确诊疗”的第一步。NIMH的一个研究组起头拟定新的心理健康疾病分类系统，该分类系统的尺度之一即是说话。
英赛尔认为，天然说话处置连系了数据科学和说话学，也许在心理健康范畴会当作为具有倾覆性的生物标识表记标帜，为心智的状况供给客不雅的权衡尺度。英赛尔今朝是Mindstrong健康手艺公司的董事长，该公司经由过程手机交互数据来权衡心理健康。他们认为，经由过程信息手艺引领心理健康诊断和治疗，很有前景。他说：“在此后的十年里，利用AI东西对说话进行分类可能会改变心理健康范畴，该东西为社区健康工作者和急诊室内科大夫供给的协助几乎半斤八两于一名资深的临床大夫。”
将说话作为诊断依据的汗青，和精力病学范畴自己一样长远。众所周知，西格蒙德·弗洛伊德就曾受口误的开导，他相信口误可以揭示一些潜意识的欲望。20宿世纪初，瑞士心理学家尤金·布洛勒和他那时的助理卡尔·荣格倡导利用字词联想（word association），这是精力阐发中不雅察性和尝试性检测方式最早的应用之一。反映的延迟或字词联想的不协调可能暗示着心理冲突，可以帮忙诊断。
二战之后，除了说话内容，研究人员还起头存眷语音中的声学内容或语音自己隐含的意义。例如，NASA也起头为宇航员录制语音采样，连系其他测量尺度，来阐发他们的压力程度；而20宿世纪90年月，美国国防部也起头测试利用声音阐发来测谎，以代替饱受诟病的测谎仪。
现在，精力病学家经相关练习，在同患者面谈时会寻找语音特征：反常的健谈可能暗示双相障碍的轻度躁狂爆发；音高降低和语速变慢可能暗示重度抑郁；语句寄义或句子之间呈现不协调的间断可能暗示精力割裂。
经由过程测量说话来量化精力疾病，始于20宿世纪80年月，那时马里兰大学的精力病学家沃尔特·温特劳布（Walter Weintraub）起头人工统计谈话和医学面谈中的词语。
温特劳布注重到，患者谈话中呈现“我”（I, me）这个词的比例增添，便和抑郁症高度相关。十年后，美国社会意理学家詹姆斯·彭尼贝克（James Pennebaker）开辟了一条目软件，能对词语进行计数并将其归类到80多个说话学分类中——例如，表达洞察力或消极情感的词语分类。说话方向此中某些分类，则与心理健康问题有关。
对心理疾病声学特征的阐发则始于2000年摆布，那时范德比尔特大学和耶鲁大学的一个团队发现，语音“能量”（voice power）的波动比其他特征更适合作为抑郁症和自杀倾标的目的的指标。
近年来，AI手艺的前进，改变了人们对语音的理解。现在机械可以或许对海量数据进行分类，阐发出人类发现不了的模式。
健康手艺公司NeuroLex Diagnostics致力于开辟语音阐发东西以帮忙初级护理大夫诊断精力割裂症，据其CEO及创始人吉姆·薛沃贝尔（Jim Schwoebel）说，曩昔十年里，手机灌音手艺有所改善，还呈现了主动文字转录功能，在该范畴起到关头感化，使大规模的紧密研究初次当作为可能。
曩昔几年中，科学家持续改善阐发东西，有时辰会按照从社交媒体中提取的大量样本数据来设计研究，而不仅限于尝试室内的小规模人群。
例如，宾夕法尼亚大学的宿世界福祉打算（World Well-Being Project）和纽约长岛石溪大学的研究人员正持续从社交媒体收集文字说话样本。比来，他们颁发了一项研究，展示了此中一个AI项目是如何练习的——经683名用户赞成，将他们的脸书翻了个底朝天。此中有114名用户的医疗记实显示他们曾有过抑郁症的诊断。该AI项目可以做到早于临床大夫三个月展望出病情。
人们公开分享设法和感情，形当作庞大的数据库，再用上计较机的算力进行筛选、寻找说话模式：互联网已当作为一座说话尝试室。
AI语音阐发具有哪些优势？
但跟着计较机学会检测，连练习有素的精力病学家也无法捕获的声音转变，AI真正可以或许有所冲破的范畴，仍是在于措辞的声音。例如，在美国国防部帮助的一项研究中，一支来自纽约大学兰格恩医学中间（Langone Medical Center）的研究步队正在和非营利研究机构斯坦福国际研究院（SRI International）合作，后者曾负责开辟苹果的语音助手Siri。2019年春季，这支合作步队颁发了研究成果，表白他们的程序分辩出了声音中极其细微的特征，可用于诊断创伤后应激障碍，并达到了89%的精确度。
“讲话”这一行为，比其他任何人类活动都要用到更多的活动神经纤维——把信息传递到肌肉和腺体的神经。讲话涉及到的喉部、口面部和呼吸系统的肌肉多达一百多块，发生神经学上的复杂行为，从而引起微妙的声音转变。
斯坦福国际研究院的工程师从人类声音平分离出了40,526项特征，并让他们的程序阐发了129名伊拉克战争和阿富汗战争老兵半小时的语音采样。另一支由纽约大学精力病学家查尔斯·马玛（Charles Marmar）带领的研究步队，可以或许分辩18种所有人都有、但创伤后应激障碍患者不同凡响的声音特征。
特征包罗：音高规模更窄（高音低音较少）、稳重的清楚发音更少、韵律更为单调，以及由喉部肌肉严重或唇舌相触所引起的声音转变。
马玛说：“我们认为，这18种特征可能是高度焦炙的表示，但并非如斯。这些特征表示为语音单调、语速慢、语流不变、调子较平、相对没有活力。换句话说就是，无精打采、无调性、无豪情。”马玛认为，原因也许是加入研究的老兵已分开战区5—8年，在这么长的窗口期里，他们要面临持久的压力，还有酗酒等其他问题，可能导致他们将感情麻木作为一种防御机制。
马玛的团队现筹办再做一次阐发，此次利用的样本包罗男性和女性、退伍甲士和非退伍甲士。若是AI表示依然杰出，他们打算利用该程序测试一种创伤后应激障碍新药，经由过程研究一组退伍甲士接管治疗前后的声音品质，来判定该新药的有用性。
AI的另一项复杂且关头的使命，是展望将来的心理健康事务，例如精力病爆发——可能表示为妄想和语无伦次。有证据表白，心理疾病越早发现和治疗，预后越好。是以，展望能力将非分特别有价值。
吉利尔莫·塞奇（Guillermo Cecchi）是纽约IBM的计较机生物学家，他负责的尝试室是该范畴的领跑者。塞奇和他的团队正在开辟一条目能主动阐发语音的手机应用。据2018年颁发的一项研究，他的算法仅利用面谈中收录的几分钟语音，就能识别出哪些人在接下来的两年半时候里会患上精力病。它的精确率达79%，别的两项研究也验证了它的靠得住性。该计较机模子的表示也超越了其他一些记实大脑活动的进步前辈扫描手艺，例如神经当作像和脑电图。
塞奇说：“说话是不雅测心理活动的最好窗口之一，曾经本家儿要依靠练习有素的精力病学家或神经学家所特有的经验来判定，现在我们可以利用机械进修手艺和AI手艺来量化。”他设想，这样的东西作为“心灵的听诊器”，在每一位精力病学家、神经学家和社区福利工作者的办公室里到处可见，存在于每一位患者的口袋里。
人声阐发，其成果靠得住吗？
但这仅是前期的尽力，要达到普遍的应用，仍存在一些障碍。此中之一即是贫乏优质练习数据，用来练习当前阶段AI的声音样本量仍然相对较少。即使是今朝最严谨的模子，其进修数据最多也就来自戋戋数百位经专业诊断的精力病患者。出于医疗隐私的考虑，要收集更多的样本并在研究人员傍边共享，可能存在坚苦——隐私问题制约着医疗AI项目标方方面面。
波士顿贝斯以色列女执事医学中间（Beth Israel Deaconess Medical Center）数字化精力病学部分本家儿管约翰·托罗斯（John Torous）说道：“这些试验性项目标的目的我们展示了声音阐发的可行性，可谓令人振奋，但这仅仅只是初步，因为我们还无法获取到足够临床有用的可用数据，我们需要的数据量至少要达到生齿学级别。”大部门研究人员认为，AI项目获取到的样本数目需要达到数万，才能确保算法的有用性。
样本数目过少，带来的最大问题之一，就是当碰到一种没有颠末充实练习的语音模式——例如一种亚文化说话，AI可能会表示欠安。例如，苹果的语音助手Siri，在处置苏格兰用户的问题和指令时，至今仍有些吃力。IBM的塞奇注重到，研究介入者大部门都来自相似的社会经济和说话学群体，现有的AI算法颠末这样的练习，识别出的声学线索，也许并不合用于其他群体。塞奇说：“声音的时候布局，以及韵律，我们研究的这些特点在分歧文化中都有所差别。”
但与道德问题比起来，这些坚苦也许都是小巫见大巫。众所周知，人们担忧AI可能反映出人类的成见。AI的进修数据来自于人类精力病学家，它做出的诊断，也许精确度与人类别无二致。但我们都知道，当前的心理健康范畴存在着种族歧视。例如，同样的症状，比起白人患者，非裔美国人更可能被诊断为精力割裂，而不太可能被诊断为心境障碍。是以，AI可能会直接采用这些错误结论，并造当作更大规模的误诊。
解决方式之一，是提高AI模子的“可诠释度”（explainability）。机械进修算法凡是被看作是“黑箱”模子，只呈现成果，完全不告诉研究者机械是如何获得最终谜底的。美国水兵人工智能研究中间与DARPA和IBM合作，正协同开辟新的AI，可以或许诠释它是如何得出结论的。
其他团队正在开辟另一种AI，可以或许有用呈现展望中包含的不确定性。在医师给出临床定见时，“高诠释度”的信息能告诉医师AI的展望有几多参考价值。塞奇说：“AI的可诠释度十分主要，不竭调试‘高诠释度’的AI，才能了了AI的结论从何而来。”
另一个本家儿要的挂念在于：哪些人有权利用这些诊断东西。脸书有一项功能，可以审查用户的动态，并提醒哪些人可能具有自杀风险。脸书用户无法禁用该功能，而且，自2018年秋季以来（截止至文章颁发日期2019年10月7日），该功能已涉及几千起报警，通知救援人员上门确认了3500多名用户的安危。尽管该功能因强制干与性被攻讦，脸书依然拒绝发布相关干涉干与的数据或研究陈述。
跟着灌音数据当作为日常科技利用的一部门。例如，亚马逊的声控助手Alexa很较着地将用户的声音数据和转录文本永远保留，很多人担忧差人、雇本家儿或私有公司会窥探这些设备利用者的心理健康状况。NeuroLex Diagnostics的吉姆·薛沃贝尔说：“我们需要规范，因为在当下，无需本人赞成就给他们灌音并拷贝，在一些州仍是正当的。”而基于语音的歧视，现下并没有法令划定 。
AI诊断是可等候的将来吗？
在以上所有挂念之后，藏着一个难以解决的深条理问题：若是AI得出的结论是错的，该怎么办？在心理健康保健中，小错误也可能会酿成大灾难，而假阳性——如或人可能被误诊为双相障碍患者，导致小我的重大损掉。
圣地亚哥斯克里普斯研究所（Scripps Research Translational Institute）数字化医药部分本家儿管史蒂夫·斯坦哈珀（Steve Steinhubl）说：“光是获得那样的诊断成果，就让人感受不适，就能让人改变对本身的观点。尤其是当诊断成果只是来自于屏幕，缺乏面临面交流的时辰，我们需要出格谨严。”
即使这样那样的挂念层出不穷，致力于计较机语音阐发的公司仍在继续前行。有些公司正在寻找方式，来收集生齿学级此外样本数据。薛沃贝尔正在开辟一个他称作“Voiceome”的大型在线数据库，用于存储自愿者进献的语音和声音数据。其他的像辛辛那提黉舍的项目和特雷弗项目标手机扫描，都在尽力将诊断和展望东西融入糊口APP。
总部位于波士顿的桑德健康公司（Sonde Health），正在把以上两者连系起来。桑德公司正在开辟一条目手机应用，利用麻省理工授权的声学阐发手艺，经由过程仅6秒长度的语音，该平台就可能监测并筛查出抑郁症患者。在印度，经由过程与病院和村落诊所合作，桑德的APP已经以研究为目标投入利用。该公司拥有1.5万人的音频数据，正从平分析一系列心理和心理健康状况的旌旗灯号。
在桑德的弘大打算中，该平台将面标的目的宿世界各地的患者，并将有能力诊断痴呆症、帕金森综合征以及其他不在其最初规划中的疾病。其CEO兼创始人吉姆·哈珀（Jim Harper）说，公司打算让患者和医疗保健工作人员都能利用这个平台。
哈珀畅想将来人们可以选择在家里配备一台声音检测设备，主动监测语音查找线索，判定心理和心理健康状况是否有所改变。他设想的APP将会和比来发布的Alexa Guard的工作体例很是相似，后者操纵居家设备监听玻璃破裂或烟雾报警器的声音，给出门在外的人发送警报。
但他同时也很谨严。他大白，能给出心理健康诊断的东西有何等轻易被滥用，为恶意办事，而非积德。他说：“没有任何人想要糊口在那样的宿世界。”
作者：Kristen French|封面：Davide Bonazzi
译者：牙牙|审校：邮狸
排版：兵法
原文：http://protomag.com/articles/something-your-voice
