La necesidad de una medición objetiva en psiquiatría ha estimulado el interés en indicadores alternativos de la presencia y gravedad de la enfermedad. El habla puede ofrecer una fuente de información que une lo subjetivo y lo objetivo en la evaluación de los trastornos mentales.
Revisamos sistemáticamente la literatura en busca de artículos que exp...
La necesidad de una medición objetiva en psiquiatría ha estimulado el interés en indicadores alternativos de la presencia y gravedad de la enfermedad. El habla puede ofrecer una fuente de información que une lo subjetivo y lo objetivo en la evaluación de los trastornos mentales.
Revisamos sistemáticamente la literatura en busca de artículos que exploren el análisis del habla para aplicaciones psiquiátricas. La utilidad del análisis del habla depende de la precisión con la que las características del habla representen los síntomas clínicos dentro y entre los trastornos.
Identificamos cuatro dominios de la aplicación del análisis del habla en la literatura: clasificación diagnóstica, evaluación de la gravedad de la enfermedad, predicción del inicio de la enfermedad y pronóstico y resultados del tratamiento.
Discutimos los hallazgos en cada uno de estos dominios, con un enfoque en cómo los tipos de características del habla caracterizan diferentes aspectos de la psicopatología.
Los modelos que reúnen múltiples características del habla pueden distinguir a los hablantes con trastornos psiquiátricos de los controles sanos con gran precisión.
La diferenciación entre los tipos de trastornos mentales y las dimensiones de los síntomas son problemas más complejos que exponen la naturaleza transdiagnóstica de las características del habla.
El progreso convergente en la investigación del habla y las ciencias de la computación abre vías para implementar el análisis del habla para mejorar la objetividad de la evaluación en la práctica clínica. La aplicación del análisis del habla deberá abordar cuestiones de ética y equidad, incluida la posibilidad de perpetuar el sesgo discriminatorio a través de modelos que aprenden de los datos de evaluación clínica.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://journals.lww.com/