憂鬱症是非常難以察覺的疾病，由於患者不一定會對外展現負面情緒，周遭的人發現時往往為時已晚。為了更早察覺憂鬱症傾向並提供協助，麻省理工（MIT）團隊開發出一種神經網路模型，不需設定問答內容，就能根據人們的談話方式來偵測憂鬱跡象。
檢測憂鬱的 AI 應用並不新鮮。近幾年來，機器學習一直都被認為是診斷的有用輔助手段，一些團隊甚至開發 AI 來檢測 Instagram 貼文內容是否顯示抑鬱傾向，然而現有模型通常要求患者回答特定問題，而這限制了應用方式和時間。
另一方面，MIT 模型使用語音模式來檢測抑鬱症，並不需要特定的問題或答案。MIT 模型可應用於各種對話，透過隨意訪談的原始文字、聲音數據，它就可在沒有其他資訊的情況下，協助檢測對象是否有抑鬱症的語音模式。
研究人員希望能運用這種模型開發用自然對話檢測抑鬱跡象的工具，舉例來說，這個模型可支援手機應用程式，透過觀察文字及語音對話，並檢測到有問題時發送警報。
當然，要應用這些功能仍有許多隱私問題，但這項模型的用途不僅於此。MIT 電腦科學與人工智慧實驗室（CSAIL）高級研究員 James Glass 便指出，這項技術還可用於辨識臨床談話裡的抑鬱傾向，因為每個病人的談話方式都不同，如果模型看出其中的變化，將可提醒醫生注意。
「這是向前邁出的一小步，看看我們是否可為臨床醫生的工作提供一些輔助。」
- MIT Develops AI That Can Detect Depression From Your Conversations
- Model can more naturally detect depression in conversations
（首圖來源：pixabay）