基于自动语言分析的德语母语精神分裂症谱系障碍识别研究

《Schizophrenia》：Automated speech analysis for psychosis detection: a systematic comparison of task efficiency and feature groups

　　

摘要

本研究旨在探讨自动语音分析在区分精神分裂症谱系障碍患者与低或高水平偏执型人格特质健康对照组方面的有效性，研究对象为德语母语人群。研究从结构化访谈、自由叙述以及图片描述任务（每位参与者至少描述六张图片）获取的音频录音和文字转录中提取了多种声学特征和语言学特征。这些特征作为输入，用于训练随机森林分类器，其中语言学特征在所有访谈格式中均取得了约0.8至0.9的稳定受试者工作特征曲线下面积值。相比之下，声学特征的表现明显较差，尤其是在图片描述任务中。利用语言学特征，我们发现增加描述图片的数量可以显著提高模型准确率，且在结合三张图片后性能趋于平稳。随后的特征重要性分析表明，与对照组相比，患者的语言更简单、句子更短、总体言语输出更少，且语义连贯性更低。这些发现凸显了自动语言分析作为检测德语母语人群中精神分裂症谱系障碍的可扩展、客观工具的应用潜力。