Características acústicas y faciales de entrevistas clínicas para el diagnóstico psiquiátrico basado en el aprendizaje automático

Autor/autores: Birnbaum ML , Abrami A , Heisig S...(et.al)

Fondo A diferencia de todas las demás áreas de la medicina, la psiquiatría todavía depende casi por completo de evaluaciones subjetivas, como el autoinforme del paciente y la observación clínica. La falta de información objetiva en la que basar las decisiones clínicas puede contribuir a reducir la calidad de la atención. Los mé...

Estás viendo una versión reducida de este contenido.

Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.

Fondo

A diferencia de todas las demás áreas de la medicina, la psiquiatría todavía depende casi por completo de evaluaciones subjetivas, como el autoinforme del paciente y la observación clínica. La falta de información objetiva en la que basar las decisiones clínicas puede contribuir a reducir la calidad de la atención. Los médicos de salud conductual necesitan datos de pacientes objetivos y confiables para respaldar intervenciones dirigidas efectivas.

Objetivo

Nuestro objetivo fue investigar si se pueden extraer inferencias confiables (signos, síntomas y diagnósticos psiquiátricos) de patrones audiovisuales en entrevistas de evaluación grabadas de participantes con trastornos del espectro esquizofrénico y trastorno bipolar.

Métodos

Obtuvimos datos audiovisuales de 89 participantes (edad media 25, 3 años; hombres: 48/89, 53, 9 %; mujeres: 41/89, 46, 1 %): personas con trastornos del espectro de la esquizofrenia (n=41), personas con trastorno bipolar (n= 21), y voluntarios sanos (n=27). Desarrollamos modelos de aprendizaje automático basados en características acústicas y de movimiento facial extraídas de las entrevistas de los participantes para predecir diagnósticos y detectar síntomas neuropsiquiátricos codificados por médicos, y evaluamos el rendimiento del modelo utilizando el área bajo la curva característica operativa del receptor (AUROC) en una validación cruzada de 5 veces .

Resultados

El modelo diferenció con éxito entre los trastornos del espectro de la esquizofrenia y el trastorno bipolar (AUROC 0, 73) al agregar las características de la cara y la voz. Las unidades de acción facial que incluyen el músculo que levanta las mejillas (AUROC 0, 64) y el músculo que levanta la barbilla (AUROC 0, 74) proporcionaron la señal más fuerte para los hombres. Las características vocales, como la energía en la banda de frecuencia de 1 a 4 kHz (AUROC 0, 80) y la armonía espectral (AUROC 0, 78), proporcionaron la señal más fuerte para las mujeres. La señal del músculo tirando de la esquina del labio discriminó entre diagnósticos tanto para hombres (AUROC 0. 61) como para mujeres (AUROC 0. 62). Se infirieron con éxito varios signos y síntomas psiquiátricos: afecto embotado (AUROC 0, 81), abulia (AUROC 0, 72), falta de inflexión vocal (AUROC 0, 71), asocialidad (AUROC 0, 63) e inutilidad (AUROC 0, 61).

Conclusiones

Este estudio representa un avance en los esfuerzos por capitalizar los datos digitales para mejorar la evaluación diagnóstica y respalda el desarrollo de una nueva generación de herramientas clínicas innovadoras mediante el uso de análisis de datos acústicos y faciales.

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://mental.jmir.org/

Para más contenido siga a psiquiatria. com en:Twitter, Facebook y Linkedl