《Psychiatry International》：Addressing the Dissimulation Problem in the Assessment of Suicide Risk Using CNN-Based Voice Analysis: A Proof-of-Concept Study
编辑推荐：
背景/目标：自杀仍然是一个主要的公共卫生问题，全球每年有超过70万人死于自杀。当前的风险评估受到高危患者否认自杀意念倾向的限制，意念者中否认率约为50%，住院自杀死亡者中高达78%。方法：这项概念验证研究调查了应用于患者语音的深度学习是否能够区分因近期自杀未遂
背景/目标：自杀仍然是一个主要的公共卫生问题，全球每年有超过70万人死于自杀。当前的风险评估受到高危患者否认自杀意念倾向的限制，意念者中否认率约为50%，住院自杀死亡者中高达78%。方法：这项概念验证研究调查了应用于患者语音的深度学习是否能够区分因近期自杀未遂入院的住院精神病患者与无记录自杀意念的重度抑郁症患者。研究人员训练了一个带有残差连接和空间注意力的多尺度二维卷积神经网络（Multi-Scale CNN），该网络基于通过自动说话人日志分割（Automatic Speaker Diarization）后经人工验证生成的梅尔频谱图（Mel-spectrograms）。数据集包含88名住院精神病患者的录音（59名自杀未遂者和29名无自杀意念的重度抑郁症患者）。模型性能通过重复的患者级分层五折交叉验证进行评估，确保各折之间参与者完全分离。研究人员还进行了仅女性组、探索性仅男性组以及重复的性别匹配分析，以评估性别失衡的潜在影响。结果：重复的患者级五折交叉验证产生了平均分类准确率72.7±6.4%，平均ROC-AUC（受试者工作特征曲线下面积）为0.824±0.054，灵敏度为88.3±9.5%，特异度为41.3±25.0%。仅女性分析保持了良好的判别性能（ROC-AUC 0.866±0.123），而重复的性别匹配分析产生了较低的性能（ROC-AUC 0.621±0.156），表明性别失衡对观察到的判别性有贡献，但并未完全解释该现象。仅男性分析因抑郁症组中男性患者数量有限而被视为探索性。结论：这些发现支持基于语音的患者级分析作为一种补充性客观方法用于自杀风险评估的可行性。尽管由于样本量有限和缺乏外部验证，该研究仍属于探索性，但修订后的验证策略和性别控制分析为模型性能提供了更为稳健的估计。在临床实施之前，需要进一步的多中心前瞻性研究。
## 基于CNN语音分析的自杀风险评估：概念验证研究解读
### 研究背景与问题
自杀是全球性的重大公共卫生问题，每年约72.7万人死于自杀。当前临床风险评估面临一个根本性困境：高危患者常否认自杀意念。文献显示，约50%的自杀意念者在临床访谈中否认其想法，而住院自杀死亡者中这一比例高达78%。这种“掩饰问题”（Dissimulation Problem）严重削弱了所有依赖患者自我报告的量表（如哥伦比亚-自杀严重程度评定量表C-SSRS）的临床效用。此外，患者出院后短期内自杀风险极高，前三天发病率可达6062/10万人年，但现有监测手段依赖患者主动披露或间歇性随访，无法实现持续、客观的评估。因此，研究人员旨在探索一种不依赖患者自我报告的客观生物标志物——基于语音分析，通过深度学习检测与自杀行为相关的声学模式，以弥补传统评估的漏洞。
### 研究内容与结论
本研究是一项概念验证研究，纳入88名住院精神病患者（59名近期自杀未遂者，29名无自杀意念的重度抑郁症患者），录音来自罗马尼亚两家精神病医院（2023年12月至2024年9月）。研究人员开发了一种带有残差连接和空间注意力的多尺度二维卷积神经网络（Multi-Scale CNN），用于分析从患者语音中提取的梅尔频谱图。通过重复的患者级分层五折交叉验证，模型平均分类准确率为72.7±6.4%，ROC-AUC为0.824±0.054，灵敏度为88.3±9.5%，特异度为41.3±25.0%。仅女性分析保持良好性能（ROC-AUC 0.866），而性别匹配分析性能下降（ROC-AUC 0.621），表明性别失衡部分解释了判别性，但并非全部。该研究发表在《Psychiatry International》上，证实了基于语音的患者级分析作为自杀风险评估补充客观方法的可行性，但需进一步多中心前瞻性研究。
### 主要关键技术方法
研究人员采用的主要关键技术方法包括：（1）自动说话人日志分割（Automatic Speaker Diarization）结合人工验证，从半结构化访谈录音中提取仅患者语音；（2）将语音信号转换为梅尔频谱图（Mel-spectrograms），作为二维图像输入；（3）构建多尺度二维卷积神经网络（Multi-Scale CNN），包含并行3×3和5×5卷积核提取多尺度特征、残差连接、空间注意力机制，以及softmax分类头；（4）采用重复患者级分层五折交叉验证（Repeated Patient-Level Stratified Five-Fold Cross-Validation）评估性能，确保每个患者的所有语音段仅属于同一折；（5）进行仅女性、探索性仅男性及性别匹配分析以控制性别混杂。样本来源：罗马尼亚两家精神病医院（“Prof. Dr. Al. Obregia”精神病临床医院和“Elisabeta Doamna”精神病医院）。
### 研究结果
#### 3.1 总体分类性能
通过重复患者级分层五折交叉验证，Multi-Scale CNN在88名患者（59名自杀未遂者，29名重度抑郁症患者）上实现了平均准确率72.7±6.4%，平衡准确率61.8±9.6%，ROC-AUC 0.824±0.054。灵敏度（自杀未遂者检出率）为0.883±0.095，特异度（抑郁症患者识别率）为0.413±0.250。模型倾向于高灵敏度、低特异度，即更易将抑郁症患者误分类为自杀未遂者，有利于识别高危个体但假阳性率高。
#### 3.2 性别控制分析
仅女性分析（n=？由抑郁症组女性居多）保持了良好判别性能（ROC-AUC 0.866±0.123），表明在单一性别内仍存在有意义的声学分离。重复性别匹配分析（匹配性别比例）性能下降（ROC-AUC 0.621±0.156），说明性别失衡部分贡献了整体判别性，但并非唯一因素。仅男性分析因抑郁症组仅5名男性而视为探索性（ROC-AUC 0.786），需谨慎解读。
#### 3.3 与基线模型比较
将Multi-Scale CNN与基于梅尔频率倒谱系数（MFCC）的随机森林分类器进行比较，两者在相同交叉验证划分下性能相近：随机森林准确率75.0±3.4%，ROC-AUC 0.818±0.123，灵敏度0.950±0.075，特异度0.340±0.107。McNemar检验显示无显著差异（p=0.804），表明两种方法在当前数据集上表现相当。
### 讨论与结论总结
讨论部分强调了掩饰问题与语音生物标志物的理论基础：语音的声学特性受自主神经系统调控，部分独立于意志控制，因此即使患者口头否认，其声音中的频谱能量分布、基频扰动等参数仍可能反映真实情绪状态。然而，本研究设计并非直接检测主动掩饰的自杀意图，而是证明近期自杀未遂者与抑郁症患者的声音在声学上可分离，这是实现抗掩饰评估的必要前提。研究还讨论了出院后高风险期、急诊筛查场景、替代解释（如药物差异、性别失衡、抑郁症严重程度混杂）及伦理考虑（知情同意、数据保护、错误分类后果）。主要局限包括样本量小（88例）、参数-患者比高（约1940:1）、缺乏外部验证、单语言单国家设计、未记录药物信息、录音压缩有损等。未来方向包括多中心验证、多级分类、纵向监测、与临床量表整合及机制研究。
研究结论翻译如下：本研究报告了初步证据，表明带有残差连接和空间注意力的多尺度卷积神经网络（Multi-Scale CNN），应用于临床访谈录音衍生的梅尔频谱图，能够将近期自杀未遂患者与无自杀意念的重度抑郁症患者进行分类。重复的患者级分层五折交叉验证产生了平均分类准确率72.7±6.4%和平均ROC-AUC 0.824±0.054，提供了比单次训练-测试分割更为稳健的模型性能估计。在重复交叉验证中，模型实现了平均灵敏度88.3±9.5%和平均特异度41.3±25.0%。相对较小的88名患者队列（59名自杀未遂者和29名无自杀意念的重度抑郁症患者），加上类别不平衡和缺乏外部验证，强调了这些发现的探索性性质。该方法的临床依据基于两条汇聚的证据线：第一，掩饰问题——自杀患者否认其意念的倾向——从根本上限制了所有基于自我报告的工具；第二，出院后风险极高（前三天超过6000/10万人年）。然而，本研究建立了必要前提（近期自杀未遂者的声音与抑郁症患者声音可分离）而非充分证明抗掩饰检测。尽管存在重要局限性，但神经生理学证据、自我报告评估的局限性以及本研究中可重复的声学判别性，为持续开发基于语音的生物标志物作为自杀风险评估的补充工具提供了科学上合理的基础。
