Ny forskning: Stemme- og tale-mønstre fungerer ikke til diagnostik
Talemønstre som toneleje, pauser og sætningsopbygning bruges i dag som en af indikatorerne på psykisk sygdom som depression eller skizofreni. Men et nyt studie fra Aarhus Universitet peger nu på, at talemønstre ikke kan bruges som en indikator for specifikke diagnoser, men mere sandsynligt afspejle symptomer.
Virkeligheden bag vores talemønstre er nemlig meget mere kompleks, end man hidtil har antaget, viser studiet, der er publiceret i Nature Metal Health.
Ph.d.-studerende Lasse Hansen fra Institut for Klinisk Medicin på Aarhus Universitet står bag studiet, og han opfordrer til at holde målet for øje, hvis læger vil benytte sig af værktøjer som kunstig intelligens til at lytte efter psykiske sygdomme i vores talemønstre.
”I studiet analyserede vi tale fra mennesker med flere mentale lidelser. Vi fandt, at forskellene i hvordan man taler, og hvad man siger, ikke nødvendigvis er specifikke til den enkelte diagnose, som hidtil antaget. Med andre ord kan man ikke nødvendigvis stole på, at tidligere fundne markører for for eksempel depression rent faktisk indikerer depression, men i stedet måske nærmere peger på en mere generel sygdomstilstand eller indikerer symptomer, der kan være til stede ved flere forskellige lidelser.”
Studiet analyserede 3.000 lydoptagelser fra 420 personer, hvoraf nogle havde diagnoser som autisme, depression eller skizofreni, mens andre var kontrolpersoner uden en mental diagnose.
Deltagerne skulle beskrive, hvad de så på otte-ti videoer, hvorefter forskerne trænede en kunstig intelligens med de over 3.000 optagelser til at genkende sygdomsspecifikke måder at tale på. Men det var ikke alle diagnoser, den kunstige intelligens ramte plet på, fortæller Lasse Hansen:
”Hvis den skal skelne mellem en deprimeret person og en person uden psykiatriske symptomer, så performer den godt, men når situationen bliver mere virkelighedsnær, og der skal skelnes mellem mennesker med flere forskellige komplekse diagnoser, så falder præcisionen med cirka 30 procent.”
Flere virksomheder og forskere arbejder allerede på at udvikle kunstig intelligens, som kan bruges til at stille diagnoser baseret på netop talemønstre. Men det er vigtigt, de ikke tager for givet, at den kunstige intelligens kan trænes til at give præcise diagnoser, siger Riccardo Fusaroli, lektor i Cognitive Science ved Aarhus Universitet, der er sidste-forfatter på studiet.
“Potentialet i stemme- og tale-markører er nok nærmere som støtteværktøj i udredningsprocessen, ved for eksempel at identificere potentielle symptomer og kognitive svækkelse, end direkte diagnostik.”
Derfor opfordrer Roberta Rocca, adjunkt og medleder på projektet, til, at både industrien og forskerne tager metoderne helt op til revision.
”Vi opfordrer derfor til, at feltet sadler om og begynder at fokusere mere på klinisk relevans, for eksempel ved at se på flere diagnosegrupper på samme tid og at flytte fokus fra at forudsige brede og komplekse diagnosegrupper som for eksempel skizofreni og depression til et fokus på mere specifikke symptomer.”