Acoustic and Linguistic Markers in Speech for Screening and Monitoring of Suicide Risk in Patients with Mood Disorders
यह अध्ययन प्रदर्शित करता है कि सत्र-दर-सत्र भाषण प्रतिमानों में परिवर्तन, विशेष रूप से मृत्यु-संबंधी भाषा में वृद्धि और वर्तमान-केंद्रित एवं निष्क्रियता-संबंधी भाषा में कमी, मूड विकारों वाले रोगियों में बढ़ते आत्महत्या के जोखिम की निगरानी के लिए स्केलेबल, कम-बोझ वाले मार्कर के रूप में कार्य कर सकते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हर साल, 700,000 से अधिक लोग आत्महत्या से अपनी जान गंवा देते हैं, जिससे जोखिम में पड़े लोगों की शीघ्र पहचान करना आधुनिक चिकित्सा के लिए एक गंभीर चुनौती बन गया है। वर्तमान में, डॉक्टर इस खतरे का आकलन करने के लिए काफी हद तक मरीजों द्वारा अपनी भावनाओं को बताने और अपने स्वयं के नैदानिक अनुभव पर निर्भर करते हैं। फिर भी, कई व्यक्ति किसी त्रासदी के होने से पहले अपने इरादे के बारे में बात नहीं करते हैं, और भविष्य के विचारों की भविष्यवाणी करने वाले उपकरण अक्सर यादृच्छिक अनुमान (रैंडम गेसिंग) से थोड़ा ही बेहतर प्रदर्शन करते हैं। इन सीमाओं के कारण, शोधकर्ता रोजमर्रा के व्यवहार में छिपे उन वस्तुनिष्ठ संकेतों की तलाश कर रहे हैं जो मानक साक्षात्कारों के पूरक बन सकें। एक आशाजनक क्षेत्र स्वयं भाषण (स्पीच) है। एक व्यक्ति जिस तरह से बोलता है—उसके शब्दों का चयन, वाक्यों की संरचना, और यहाँ तक कि उसकी आवाज़ का स्वर—उसकी मानसिक स्थिति का एक समृद्ध संकेत होता है। जबकि पिछले अध्ययनों ने एक समय बिंदु पर जोखिम में मौजूद व्यक्तियों की पहचान करने के लिए इन संकेतों को देखा है, एक नई जांच एक अलग, शायद अधिक तत्काल प्रश्न पूछती है: क्या हम यह पता लगा सकते हैं कि एक विशिष्ट व्यक्ति का जोखिम एक मुलाकात से दूसरी मुलाकात के बीच कैसे बढ़ रहा है, यह सुनकर कि उसका भाषण कैसे बदल रहा है?
सियोल नेशनल यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने मरीजों के नियमित नैदानिक चेक-अप के दौरान उनके स्वरों को रिकॉर्ड करके इस प्रश्न का उत्तर देने का प्रयास किया। उन्होंने भाषण में छिपी दो अलग-अलग प्रकार की सूचनाओं पर ध्यान केंद्रित किया: ध्वनिक गुण (एकुस्टिक प्रॉपर्टीज), जैसे कि आवाज का पिच और लय, और भाषाई सामग्री (लिंग्विस्टिक कंटेंट), जो वास्तव में उन शब्दों और विषयों को संदर्भित करती है जिनका उपयोग मरीज करते हैं। इस अध्ययन में मेजर डिप्रेसिव डिसऑर्डर या बाइपोलर डिसऑर्डर से पीड़ित 99 मरीज शामिल थे, जिनका साक्षात्कार एक अस्पताल क्लिनिक में लिया गया था। इन मरीजों ने एक वर्ष की अवधि में कुल 331 ऑडियो रिकॉर्डिंग प्रदान कीं, जिन्हें उनके उपचार की शुरुआत में और कई फॉलो-अप अंतराल पर कैप्चर किया गया था। उनकी स्थिति की गंभीरता को मापने के लिए, टीम ने स्थापित पैमानों का उपयोग किया जो आत्मघाती विचारों और व्यवहारों को ट्रैक करते हैं, जिससे उन्हें विशिष्ट भाषण पैटर्न को मरीजों के वर्तमान जोखिम स्तर से जोड़ने में मदद मिली।
शोधकर्ताओं ने डेटा के प्रति दो तरह से दृष्टिकोण अपनाया। सबसे पहले, उन्होंने रिकॉर्डिंग को एक 'स्नैपशॉट' के रूप में देखा ताकि यह देख सकें कि क्या वे एक एकल समय बिंदु पर उच्च-जोखिम वाले मरीज को कम-जोखिम वाले मरीज से अलग कर सकते हैं। दूसरा, और अधिक महत्वपूर्ण रूप से, उन्होंने एक ही व्यक्ति के भीतर विभिन्न मुलाकातों के दौरान होने वाले परिवर्तनों का विश्लेषण किया ताकि यह देख सकें कि क्या वे जोखिम में वृद्धि को पकड़ सकते हैं। उन्होंने डेटा को कंप्यूटर मॉडल में डाला जिसने 30 अलग-अलग पिच-संबंधित विशेषताओं और भाषा के उपयोग की 106 अलग-अलग श्रेणियों (जिसमें भावनात्मक स्वर से लेकर मृत्यु या भविष्य के संदर्भ तक शामिल थे) का परीक्षण किया। लक्ष्य यह देखना था कि कौन सा संकेत इतना मजबूत था कि वह बिगड़ती हुई स्थिति की भविष्यवाणी कर सके।
परिणामों ने भाषण के दो प्रकार के डेटा के बीच एक स्पष्ट विभाजन दिखाया। ध्वनिक विशेषताओं, जैसे कि आवाज का पिच, में आत्महत्या के जोखिम की भविष्यवाणी करने की बहुत कम क्षमता देखी गई। भले ही शोधकर्ताओं ने आवाज के स्वर और गतिशीलता को मापने के विभिन्न तरीकों का परीक्षण किया, फिर भी ये संकेत कठोर सांख्यिकीय परीक्षणों में टिक नहीं सके। इसके विपरीत, भाषण की भाषाई सामग्री एक शक्तिशाली संकेतक साबित हुई। कंप्यूटर मॉडल ने पाया कि बढ़ते जोखिम का सबसे महत्वपूर्ण भविष्यवक्ता यह नहीं था कि व्यक्ति की आवाज़ कैसी सुनाई देती है, बल्कि यह था कि वह क्या कहता है। विशेष रूप से, जब एक मरीज ने सामान्य से अधिक मृत्यु-संबंधित शब्दों का उपयोग करना शुरू किया, और साथ ही वर्तमान क्षण या निष्क्रियता से संबंधित शब्दों का कम उपयोग किया, तो उनके आत्महत्या के जोखिम की संभावना काफी अधिक थी।
यह पैटर्न तब भी सही पाया गया जब शोधकर्ता लोगों के बीच के अंतर को देख रहे थे या एक ही व्यक्ति के भीतर होने वाले परिवर्तनों को। जिन मरीजों ने आम तौर पर मृत्यु-संबंधित भाषा का अधिक उपयोग किया, उनमें समग्र जोखिम स्कोर अधिक था। हालांकि, सबसे मूल्यवान निष्कर्ष तब मिला जब व्यक्तिगत स्तर पर समय के साथ ट्रैकिंग की गई। जब एक विशिष्ट मरीज ने अपने बेसलाइन की तुलना में अधिक मृत्यु-संबंधित शब्दों और कम वर्तमान-केंद्रित भाषा का उपयोग करना शुरू किया, तो इसने उनके आत्मघाती विचारों में तत्काल वृद्धि का संकेत दिया। मॉडल इन वृद्धियों को उच्च संवेदनशीलता के साथ पहचानने में सक्षम थे, जिसने 0.74 का AUC प्राप्त किया, हालांकि इसकी प्रेसिजन रेट (परिशुद्धता दर) कम थी, जिसका अर्थ है कि मॉडल ने कुछ स्थिर मामलों को भी बिगड़ते हुए मामलों के रूप में चिह्नित किया। यह सुझाव देता है कि भाषा में बदलाव एक 'स्टेट-लाइक' मार्कर है, जो मानसिक स्थिति में एक अस्थायी लेकिन खतरनाक परिवर्तन को दर्शाता है, न कि केवल व्यक्ति का एक स्थायी गुण।
अध्ययन ने यह भी पता लगाया कि क्या मॉडल तीन अलग-अलग परिणामों के बीच अंतर कर सकते हैं: एक मरीज का बेहतर होना, समान रहना, या बिगड़ना। हालांकि यह तीन-तरफा वर्गीकरण अधिक कठिन था, फिर भी मॉडल संयोग (चांस) से बेहतर प्रदर्शन करते रहे, विशेष रूप से जब उन्होंने भाषाई डेटा को मरीज के नैदानिक इतिहास के साथ जोड़ा। शोधकर्ताओं ने पाया कि बिगड़ती हुई स्थिति की भविष्यवाणी करने का सबसे अच्छा तरीका एक सत्र से दूसरे सत्र के बीच भाषण में होने वाले परिवर्तन को स्पष्ट रूप से मापना था, न कि प्रत्येक रिकॉर्डिंग को एक अलग घटना के रूप में मानना। इस दृष्टिकोण ने मॉडलों को प्रत्येक मरीज के भाषा उपयोग के अनूठे प्रक्षेपवक्र (ट्रैजेक्टरी) को सीखने की अनुमति दी।
इन उत्साहजनक परिणामों के बावजूद, लेखक सावधानी बरतते हुए कहते हैं कि उनके निष्कर्ष अंतिम समाधान नहीं हैं। अध्ययन एक अपेक्षाकृत छोटे समूह के मरीजों पर किया गया था जो एक ही अस्पताल से थे, और मॉडलों का अभी तक लोगों के पूरी तरह से अलग समूह पर परीक्षण नहीं किया गया है। इसके अलावा, भाषाई विश्लेषण के लिए मानक शब्द-गिनती उपकरणों का उपयोग करने के लिए कोरियाई साक्षात्कारों का अंग्रेजी में अनुवाद किया गया, एक ऐसी प्रक्रिया जो सूक्ष्म त्रुटियां पेश कर सकती है। शोधकर्ताओं ने यह भी पाया कि ध्विकीय विशेषताएं, जिन्होंने अन्य अध्ययनों में कुछ आशा दिखाई थी, एक बार भाषा डेटा शामिल होने के बाद इस विशिष्ट समूह में कोई अतिरिक्त मूल्य नहीं जोड़ पाईं। यह सुझाव देता है कि इस विशेष आबादी के लिए, क्या कहा जा रहा है उसकी सामग्री, यह इस बात से कहीं अधिक महत्वपूर्ण है कि कैसे कहा जा रहा है।
अंततः, यह शोध एक ऐसे भविष्य की ओर संकेत करता है जहाँ आत्महत्या के जोखिम की निगरानी में समय के साथ मरीज की शब्दावली में सूक्ष्म बदलावों को सुनना शामिल हो सकता है। एक व्यक्ति की भाषा एक मुलाकात से दूसरी मुलाकात के बीच कैसे विकसित होती है, इस पर ध्यान केंद्रित करके, चिकित्सक यह पता लगाने के लिए एक स्केलेबल और कम बोझ वाला उपकरण प्राप्त कर सकते हैं कि कब कोई मरीज संकट की ओर बढ़ रहा है। हालांकि यह तकनीक अभी व्यापक नैदानिक उपयोग के लिए तैयार नहीं है, अध्ययन इस बात का पुख्ता प्रमाण प्रदान करता है कि हमारे द्वारा चुने गए शब्द मानसिक स्वास्थ्य के जटिल परिदृश्य में नेविगेट करने के लिए एक विश्वसनीय दिशा-सूचक (कंपास) के रूप में कार्य कर सकते हैं, जो उस अदृश्य परिवर्तन को देखने का एक नया तरीका प्रदान करते हैं जो किसी त्रासदी से पहले होता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।