Acoustic and Linguistic Markers in Speech for Screening and Monitoring of Suicide Risk in Patients with Mood Disorders
Deze studie toont aan dat sessie-tot-sessie veranderingen in spraakpatronen, met name toenames in doodsgerelateerde taal en afnames in heden-gerichte en inactiviteitsgerelateerde taal, kunnen dienen als schaalbare, laagbelastende markers voor het monitoren van een escalerend suïciderisico bij patiënten met stemmingsstoornissen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Elk jaar komen meer dan 700.000 mensen om het leven door zelfmoord, wat de vroege identificatie van mensen die een risico lopen een cruciale uitdaging maakt voor de moderne geneeskunde. Momenteel vertrouwen artsen zwaar op het feit dat patiënten hen vertellen hoe zij zich voelen en op hun eigen klinische ervaring om dit gevaar in te schatten. Toch spreken veel individuen niet over hun intentie voordat een tragedie plaatsvindt, en de instrumenten die worden gebruikt om toekomstige gedachten te voorspellen, presteren vaak slechts marginaal beter dan willekeurige gokken. Vanwege deze beperkingen zoeken onderzoekers naar objectieve tekenen die verborgen liggen in het alledaagse gedrag en die de standaardinterviews kunnen aanvullen. Een veelbelovend gebied is de spraak zelf. De manier waarop iemand spreekt—hun woordkeuze, zinsstructuren en zelfs de toon van hun stem—fungeert als een rijk signaal van hun mentale toestand. Terwijl eerdere studies naar deze signalen hebben gekeken om te identificeren wie er op een enkel moment een risico loopt, stelt een nieuwe lijn van onderzoek een andere, wellicht urgentere vraag: kunnen we detecteren wanneer het risico van een specifiek persoon in de loop van de tijd verergert door te luisteren naar hoe hun spraak verandend is van de ene naar de andere afspraak?
Een team onderzoekers aan de Seoul National University probeerde deze vraag te beantwoorden door de stemmen van patiënten met stemmingsstoornissen op te nemen tijdens hun reguliere klinische controles. Ze concentreerden zich op twee verschillende soorten informatie die verborgen liggen in de spraak: de akoestische eigenschappen, zoals de toonhoogte en het ritme van de stem, en de linguïstische inhoud, die verwijst naar de werkelijke woorden en thema's die de patiënten gebruikten. De studie omvatte 99 patiënten gediagnosticeerd met een depressieve stoornis of een bipolaire stoornis die werden geïnterviewd in een ziekenhuiskliniek. Deze patiënten leverden in totaal binnen een periode van één jaar 331 audio-opnames aan, vastgelegd aan het begin van hun behandeling en op verschillende vervolgintervallen. Om de ernst van hun toestand te meten, gebruikte het team gevestigde schalen die suïcidale gedachten en gedragingen bijhouden, waardoor ze specifieke spraakpatronen konden koppelen aan het huidige risiconiveau van de patiënten.
De onderzoekers benaderden de data op twee manieren. Eerst bekeken ze de opnames als een momentopname om te zien of ze een hoogrisicopatiënt van een laagrisicopatiënt konden onderscheiden op een enkel punt in de tijd. Ten tweede, en belangrijker nog, analyseerden ze de veranderingen binnen dezelfde persoon over verschillende bezoeken heen om te zien of ze een escalatie in het risico konden opsporen. Ze voedden de data aan computermodellen die 30 verschillende toonhoogte-gerelateerde kenmerken en 106 verschillende categorieën van taalgebruik onderzochten, variërend van emotionele toon tot verwijzingen naar de dood of de toekomst. Het doel was om te zien welk van deze signalen sterk genoeg was om een verslechterende toestand te voorspellen.
De resultaten toonden een duidelijke kloof tussen de twee soorten spraakdata. De akoestische kenmerken, zoals de toonhoogte van de stem, toonden zeer weinig vermogen om het suïciderisico te voorspellen. Zelfs toen de onderzoekers verschillende manieren testten om de toon en dynamiek van de stem te meten, bleven deze signalen niet standhouden bij rigoureuze statistische toetsing. In contrast hiermee bleek de linguïstische inhoud van de spraak een krachtige indicator te zijn. De computermodellen vonden dat de meest significante voorspeller van een stijgend risico niet een verandering was in hoe iemand klonk, maar een verandering in wat iemand zei. Specifiek: wanneer een patiënt meer woorden begon te gebruiken die gerelateerd zijn aan de dood dan zij gewoonlijk deden, en tegelijkertijd minder woorden gebruikte die gericht waren op het huidige moment of gerelateerd waren aan inactiviteit, was hun risico op zelfmoord aanzienlijk hoger.
Dit patroon hield stand of de onderzoekers nu verschillen tussen mensen bekeken of veranderingen binnen een enkel persoon. Patiënten die over het algemeen meer dood-gerelateerde taal gebruikten, hadden de neiging hogere risicoscores te hebben. Echter, de meest waardevolle bevinding kwam voort uit het volgen van individuen in de loop van de tijd. Wanneer een specifieke patiënt meer dood-gerelateerde woorden begon te gebruiken en minder op het heden gerichte taal gebruikte vergeleken met hun eigen basislijn, signaleerde dit een onmiddellijke toename in hun suïcidale ideatie. De modellen waren in staat deze escalaties met hoge sensitiviteit te detecteren, waarbij ze een AUC van 0,74 bereikten, hoewel dit gepaard ging met een lagere precisiegraad, wat betekent dat het model ook stabiele gevallen als verslechterend markeerde. Dit suggereert dat de verschuiving in taal een staat-achtige marker is, die een tijdelijke maar gevaarlijke verandering in de mentale toestand reflecteert, in plaats van slechts een permanent kenmerk van het individu.
De studie onderzocht ook of de modellen het verschil konden onderscheiden tussen drie verschillende uitkomsten: een patiënt die beter wordt, gelijk blijft, of slechter wordt. Hoewel deze driedelige classificatie moeilijker was, presteerden de modellen nog steeds beter dan door toeval, vooral wanneer ze de linguïstische data combineerden met de klinische geschiedenis van de patiënten. De onderzoekers ontdekten dat de beste manier om een verslechterende toestand te voorspellen het expliciet meten van de verandering in spraak van de ene sessie naar de volgende was, in plaats van elke opname als een geïsoleerd evenement te behandelen. Deze benadering stelde de modellen in staat om het unieke traject van het taalgebruik van elke patiënt te leren.
Ondanks deze veelbelovende resultaten merken de auteurs voorzichtig op dat hun bevindingen geen definitieve oplossing zijn. De studie werd uitgevoerd op een relatief kleine groep patiënten uit een enkele kliniek, en de modellen zijn nog niet getest op een volledig andere groep mensen. Bovendien vertrouwde de linguïstische analyse op het vertalen van Koreaanse interviews naar het Engels om standaard woordteltools te kunnen gebruiken, een proces dat subtiele fouten zou kunnen introduceren. De onderzoekers vonden ook dat de akoestische kenmerken, die in andere studies enige belofte hadden getoond, geen extra waarde toevoegden aan deze specifieke groep zodra de taaldata werd opgenomen. Dit suggereert dat voor deze specifieke populatie de inhoud van wat er gezegd wordt veel belangrijker is dan het geluid van hoe het gezegd wordt.
Uiteindelijk wijst dit onderzoek in de richting van een toekomst waarin het monitoren van het suïciderisico het luisteren naar de subtiele verschuivingen in het vocabulaire van een patiënt in de loop van de tijd kan inhouden. Door te focussen op hoe de taal van een persoon evolueert van de ene visie naar de volgende, kunnen clinici een schaalbare, laag-belastende tool verkrijgen om te detecteren wanneer een patiënt naar een crisis beweegt. Hoewel de technologie nog niet klaar is voor breed klinisch gebruik, biedt de studie sterk bewijs dat de woorden die we kiezen om te spreken kunnen dienen als een betrouwbaar kompas voor het navigeren door het complexe terrein van de mentale gezondheid, wat een nieuwe manier biedt om de onzichtbare veranderingen te zien die aan een tragedie voorafgaan.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.