Explainable Multimodal Depression Recognition in Clinical Interviews via PHQ-Aligned Symptom Summarization
本文介绍了 Explain-MDRC，这是一个可解释的多模态抑郁识别框架，它通过生成与 PHQ-8 对齐的症状摘要，并利用新颖的数据集（Explain-DAIC）和对比学习模型（PhqCML）将这些摘要与非言语线索相结合，从而增强了临床可解释性和性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
抑郁症是一种影响全球数亿人的疾病，然而大量的病例却未被察觉或诊断。在临床环境中，医生并不会依赖单一的测试来识别它；相反，他们会进行交谈，在倾听患者言辞的同时，观察他们的说话方式、面部表情和肢体语言。他们将这些言语和非言语的线索拼凑起来，形成一幅关于患者精神状态的结构化图景，通常会根据标准的清单来检查特定的症状，如睡眠障碍、兴趣丧失或绝望感。多年来，研究人员一直试图通过向计算机输入这些访谈录音，来教导计算机完成这项任务。然而，大多数尝试执行此任务的计算机系统都像是一个“黑箱”：它们接收音频和视频，然后直接吐出一个标签，例如“抑郁”或“非抑郁”，却不展示其推导过程。这种透明度的缺失使得医生难以信任该技术或理解机器是如何得出结论的，从而限制了其在现实医疗场景中的应用价值。
现在，一组研究人员开发出一种改变这些系统思维方式的新方法。他们没有要求计算机直接跳到诊断结果，而是设计了一个框架，强制机器在做出最终判断之前，先像临床医生一样写出一份结构化的症状摘要。这个被称为 Explain-MDRC 的系统首先分析临床访谈的文本、语音语调和面部动作。随后，它会生成一份模仿人类医生思维方式的书面报告，将对话分解为四个特定部分：检查抑郁病史、评估提到的具体症状、识别症状的可能原因以及提出行动方案。至关重要的是，这份摘要并非模糊的描述；它与名为 PHQ-8 的标准医学问卷紧密对齐，确保机器关注的是医生所寻找的完全相同的八种症状，例如睡眠困难、精力不足或注意力集中困难。
为了训练这个系统，研究人员基于现有的临床访谈录音创建了一个新数据集。他们聘请了执业心理健康专业人员阅读转录文本，并手工编写这些结构化的症状摘要，将对话的具体部分与医学标准联系起来。这在原始数据与临床推理过程之间架起了一座桥梁。随后，他们教会了一个计算机模型去模仿这一过程。该模型首先学习生成这些摘要，但带有一个特别的转折：它被训练以确保摘要的内部“理解”与患者实际的症状谱系相匹配。如果两名患者具有相似的症状模式，计算机就被教导将他们的摘要视为相似；如果症状不同，计算机则学习保持其摘要的差异性。这一步骤确保了机器的中期推理是植根于临床现实，而非仅仅基于它所生成的文字。
一旦机器生成了这份结构化摘要，它会将文本与访谈中的声学及视觉线索相结合，做出关于患者是否患有抑郁症的最终预测。这种方法的结果令人瞩目。在针对新数据集进行测试时，该系统的表现显著优于那些试图在不先写摘要的情况下直接猜测诊断结果的现有方法。它的准确率比目前最优秀的系统高出了近七个百分点。更重要的是，它生成的摘要不仅准确，而且具有可读性和实用性。当三位执业精神科医生审查计算机生成的摘要，并将其与功能强大的通用人工智能生成的摘要进行对比时，他们一致更青睐这一新系统。专家们发现，这些摘要更加完整、事实更加准确且更为简洁，往往能捕捉到其他系统所遗漏的对话中的细微证据。
研究表明，通过强制人工智能以结构化且具有临床相关性的方式解释其推理过程，该系统不仅变得更加值得信赖，而且在执行其核心任务方面也变得更加出色。研究人员发现，生成症状摘要的行为实际上帮助了计算机更准确地识别抑郁症，这可能是因为该过程迫使模型专注于访谈中最重要的细节。虽然该系统目前仍是一个研究原型，尚未成为现实世界的诊断工具，但它展示了一条清晰的路径。它表明，人工智能在心理健康领域的未来，或许不在于那些仅仅给出答案的系统，而在于那些能够像人类同事一样，循序渐进地引导医生了解证据的工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。