Диагностика депрессии с помощью методов искусственного интеллекта

Депрессия — широко распространенное психическое расстройство, которое может значительно ухудшить качество жизни. Автоматическое выявление депрессии могло бы стать доступным и надежным диагностическим инструментом, решающим текущие проблемы в области психических расстройств, такие как, например, социальная стигма или присутствие человеческого фактора при диагностике. Цель этой работы — изучить, насколько точно можно предсказать депрессию на эксклюзивном датасете, собранным Центром языка и мозга НИУ ВШЭ, и какие модели и представления звуковых данных являются наиболее устойчивыми. Исследование сосредоточено на таких формулировках задачи, как бинарная классификация и обнаружение аномалий. Задействованные модели включали в себя сверточные нейронные сети и трансформер, и они были либо обучены только на своем наборе данных, либо использовались в контексте переноса обучения. Кроме того, в качестве бенчмарка были введены классические алгоритмы машинного обучения для набора акустических параметров Geneva Minimalistic Acoustic Parameter Set. В результате было получено наилучшее среднее тестовое значение ROC-AUC, равное 0.72, по сравнению с бенчмарком на акустических параметрах 0.55. Этот главный результат был достигнут благодаря тонкой настройке архитектуры Inception в соответствии с алгоритмом (1+eps)-классификации (вариант метода одноклассовой классификации).