Depresszióra jellemző hangtani paraméterek vizsgálata, automatikus osztályozó rendszer megalkotása
Hajduska-Dér Bálint
Mentális Egészségtudományok
Dr. Bagdy György
SE Pszichiátriai és Pszichoterápiás Klinika tanterme
2025-09-08 14:00:00
Pszichiátria
Dr. Réthelyi János
Dr. Simon Lajos
Dr. Balogh Lívia
Dr. Hoffmann Ildikó
Dr. Bereczki Dániel
Dr. Szuromi Bálint
Dr. Triger László
A depresszió az egyik leggyakoribb mentális betegség, ami jelentős negatív hatással van az életminőségre, valamint a gazdasági és társadalmi folyamatokra. A szűrése céljából jelenleg alkalmazott kérdőíves és klinika interjús eszközök ember és időigények, valamint hozzáférhetőségük nagyon eltérő lehet. A depresszió diagnosztizálására szolgáló biomarker kutatások egyike a beszéd elemzése, amiben megfigyelhetőek hangtani jellemzők változása a betegségben érintett egyéneknél. A mesterséges intelligencia fejlődése, a gépi tanulóeljárások alkalmazásával, a pszichiátriai kórképek, azon belül a depresszió diagnosztikájában is új távlatokat nyit. A gépi tanuláson alapuló, akusztikai diagnosztikai rendszerek, jó prediktív teljesítménnyel képesek a beszéd alapján elkülöníteni a depressziót. A legtöbb ilyen irányú kutatás a mintavétel során, inherensen nagyobb szubjektivitású önkitöltős kérdőívek alapján méri fel a depressziós állapotot, amit a mesterséges intelligencia alapú modellek betanítására használnak. Az első vizsgálatunkban a témában elérhető szakirodalomban végeztünk átfogó áttekintő tanulmányt, az összefüggések és következetlenségek feltárása céljából. Eredményeink alapján kimutatható, hogy a meglévő kutatások a depresszióhoz társított hangtani paraméterek tekintetében megegyeznek, azonban az eltérő módszertan miatt predikciós teljesítményük változó. A megfigyelt inkonzisztenciák alapján javaslatokat tettünk a kutatások egységesítésére szolgáló irányelvekre, melyek segítségével könnyebbé válhat az eredmények összehasonlíthatósága is. A második vizsgálatunkban egy klinikus által felvett interjú eredményeivel tanítottuk az akusztikai modellünket, így eredményeink alapján 10%-os javulás volt megfigyelhető a prediktív pontosságban az önkitöltős kérdőíven tanított rendszerhez képest. Megállapításra került az is, hogy az akusztikus modellünk használhatósága az általunk használt önkitöltős skáláéhoz hasonló. A vizsgálat fontos korlátai a klinikai interjú eredményét is tartalmazó mintánk kisebb elemszáma, valamint az esetlegesen fennálló komorbid állapotok beszédet befolyásoló hatásának szerepe. Összefoglalva a disszertációban bemutatott vizsgálataink alapján, a depresszió hangtani jellemzői alapján, gépi tanulóeljárások segítségével, létrehozhatóak nagy prediktív teljesítménnyel rendelkező akusztikai modellek, melyek segíthetik a diagnózis alkotás folyamatát, ezáltal felhasználhatóak lehetnek a betegellátás területén.
