Beyond acoustic features: Incorporating linguistic variables in automatic speech analysis for depression detection
Salvato in:
Maran, P., et al., Beyond acoustic features: Incorporating linguistic variables in automatic speech analysis for depression detection. Journal of Affective Disorders, vol. 405, n. 121563, 2026, 8 p.
Ref.
610377
Localizzazione:
SIIS Archivo
Palabras clave:
Salud mental, Depresión, Análisis, Habla, Vocabulario, Diagnóstico, Detección precoz, Estudio cualitativo, España, Cataluña
Salud mental, Depresión, Análisis, Habla, Vocabulario, Diagnóstico, Detección precoz, Estudio cualitativo, España, Cataluña
Abstract:
La mayoría de las investigaciones sobre análisis automático del habla (AAS) se han centrado en las características acústicas, mientras que el potencial de los marcadores lingüísticos sigue sin explorarse a fondo, especialmente en poblaciones con diagnóstico clínico que no hablan inglés. Este estudio evaluó la integración de marcadores acústicos y lingüísticos para la detección de la depresión en una muestra clínica hispanohablante.<br><br>La muestra estuvo compuesta por 151 participantes: 80 pacientes con trastorno depresivo mayor (TDM) o trastorno depresivo persistente (TDP) reclutados en el Departamento de Psiquiatría del Hospital Universitario Vall d'Hebron y 71 controles sanos. Se realizaron comparaciones entre grupos y regresiones logísticas para evaluar el valor predictivo de las características acústicas y lingüísticas. Se utilizaron modelos de aprendizaje automático para comparar el rendimiento de modelos de clasificación acústica, lingüística y de conjunto, combinando ambos conjuntos de características.<br><br>Las características basadas en TEO y cepstrales mostraron el mayor poder predictivo. Un mayor uso de verbos, un menor uso de sustantivos y verbos en pasado, un vocabulario más reducido y un mayor uso de palabras y oraciones más cortas se mantuvieron como predictores importantes de depresión tras ajustar por covariables. El modelo lingüístico superó al acústico, mientras que el modelo de conjunto logró un rendimiento general comparable (AUC = 0,86), con una precisión (0,84) y especificidad (0,93) ligeramente mejoradas.<br><br>La integración de características lingüísticas en el análisis automatizado del habla resulta prometedora para la detección de la depresión. Con una mayor validación y perfeccionamiento, las evaluaciones breves basadas en el habla podrían facilitar la detección temprana de la depresión en atención primaria.
La mayoría de las investigaciones sobre análisis automático del habla (AAS) se han centrado en las características acústicas, mientras que el potencial de los marcadores lingüísticos sigue sin explorarse a fondo, especialmente en poblaciones con diagnóstico clínico que no hablan inglés. Este estudio evaluó la integración de marcadores acústicos y lingüísticos para la detección de la depresión en una muestra clínica hispanohablante.<br><br>La muestra estuvo compuesta por 151 participantes: 80 pacientes con trastorno depresivo mayor (TDM) o trastorno depresivo persistente (TDP) reclutados en el Departamento de Psiquiatría del Hospital Universitario Vall d'Hebron y 71 controles sanos. Se realizaron comparaciones entre grupos y regresiones logísticas para evaluar el valor predictivo de las características acústicas y lingüísticas. Se utilizaron modelos de aprendizaje automático para comparar el rendimiento de modelos de clasificación acústica, lingüística y de conjunto, combinando ambos conjuntos de características.<br><br>Las características basadas en TEO y cepstrales mostraron el mayor poder predictivo. Un mayor uso de verbos, un menor uso de sustantivos y verbos en pasado, un vocabulario más reducido y un mayor uso de palabras y oraciones más cortas se mantuvieron como predictores importantes de depresión tras ajustar por covariables. El modelo lingüístico superó al acústico, mientras que el modelo de conjunto logró un rendimiento general comparable (AUC = 0,86), con una precisión (0,84) y especificidad (0,93) ligeramente mejoradas.<br><br>La integración de características lingüísticas en el análisis automatizado del habla resulta prometedora para la detección de la depresión. Con una mayor validación y perfeccionamiento, las evaluaciones breves basadas en el habla podrían facilitar la detección temprana de la depresión en atención primaria.
Lascia un commento!