Голосовая диагностика депрессии дает сбой: надежность алгоритмов зависит от опросника, а не от тембра
Аннотация: Скрининг депрессии на основе голоса быстро коммерциализируется, однако, распространяются ли голосовые биомаркеры на клинические ситуации, в значительной степени не проверено. Обобщение обычно формулируется как вопрос о популяциях, но это также вопрос об инструменте оценки результатов, по которому оценивается модель, и этот эффект смешивается с другими различиями между исследованиями в литературе. Цель: мы проверили, передаются ли голосовые биомаркеры депрессии между перинатальной и общепсихиатрической речью в обоих направлениях при строгом контроле утечки и зависит ли передача от инструмента скрининга. Методы. В перекрестном онлайн-исследовании в США 390 беременных участниц со средним сроком беременности 22 (SD 1) недели (аналитическая выборка n = 316) приняли участие в 446 сеансах; каждый участник предоставил 4 голосовые записи и заполнил модифицированный опросник о состоянии здоровья пациента из 8 пунктов (PHQ-8) и модифицированную Эдинбургскую шкалу послеродовой депрессии из 9 пунктов (mEPDS-9). Мы извлекли 375 акустических дескрипторов и 330-мерные вложения модели Population Dynamics Foundation в систему здравоохранения. Площадь дискриминации под кривой (AUC) оценивалась в ходе перекрестной проверки с контролем утечки, с выбором признаков и классификаторов только внутри обучающих сгибов и с использованием системы отрицательного контроля перестановок, по заранее заданной сетке из 4 речевых задач × 4 определения результатов. Модель, обученная в пренатальном периоде, была применена к двум общепсихиатрическим корпусам (Корпус интервью для анализа дистресса – Волшебник страны Оз, n = 189; Корпус интервью для расширенного анализа дистресса, n = 219) в рамках чистого удержанного вывода, а модель депрессии/тревоги Кинцуги с открытым исходным кодом (DAM), обученная на 35 000 человек, была применена ко всем трем когортам без переоснащения, с Управление множественностью Беньямини-Хохберга. Результаты. В пренатальной когорте заранее зарегистрированный исход был случайным (AUC 0,494, 95% CI 0,431–0,560); ни одна ячейка в сетке из 16 ячеек не выдержала корректировки ни в одной из парадигм моделирования. Пренатально обученная модель не перешла ни в один общепсихиатрический корпус (AUC 0,505 и 0,478). Обратный перенос зависел от инструмента скрининга. DAM достигал AUC от 0,706 до 0,708 при общепсихиатрической речи. У тех же участников он случайно показал результаты по сравнению с PHQ-8 (AUC 0,510, 95% CI 0,411–0,609), но дискриминировал mEPDS-9 (AUC 0,645,
## В чем суть открытия На протяжении последнего десятилетия цифровая психиатрия жила заманчивой иллюзией: человеческий голос воспринимался как идеальный акустический стетоскоп для распознавания душевных расстройств. Многомиллионные стартапы обещали экспресс-диагностику депрессии по коротким аудиозаписям со смартфона. Однако за громкими пресс-релизами зрел методологический кризис. Модели, демонстрировавшие безупречную точность в университетских лабораториях, систематически терпели крах при переносе в реальные клиники. Годами ученые объясняли этот провал различиями популяций — возрастом, акцентами или сопутствующими болезнями пациентов. Новое строгое исследование опровергло устоявшийся консенсус. Главный барьер для обобщения алгоритмов кроется не в биологии пациентов, а в измерительном инструменте, с которым сверяют модель: один и тот же голос дает противоположные результаты в зависимости от структуры диагностической анкеты. ## Как это устроено: принцип работы Для проверки гипотезы исследователи применили строгий протокол защиты от утечки данных с перекрестной валидацией и контрольными тестами с перестановками. Из аудиозаписей извлекались 375 акустических признаков — параметры основного тона, спектральные характеристики, длительность пауз, а также 330-мерные векторные представления базовой модели здоровья. Параллельно тестировалась открытая нейросеть Kintsugi DAM, предварительно обученная на 35 000 человек. Биофизика речи не способна отразить абстрактный диагноз целиком. Голосовой аппарат выступает механическим ретранслятором сиюминутного вегетативного напряжения: спазм гортани и мышечная скованность оставляют отчетливый акустический след при остром страдании, тоске и плаче. Напротив, соматические признаки депрессии — бессонница, хроническая усталость или потеря аппетита — не оказывают прямого физического влияния на колебания голосовых складок. Нейросеть считывает не заболевание как таковое, а лишь локальный аффективный дистресс. ## Результаты и доказательства Эксперимент на когорте из 316 беременных женщин (446 сессий звукозаписи) наглядно обнажил эту уязвимость. Модели, обученные непосредственно на перинатальной речи, показали точность на уровне случайного угадывания с площадью под кривой ошибок 0,494 и полностью провалили перенос на независимые общепсихиатрические базы данных DAIC-WOZ и E-DAIC (0,505 и 0,478). Подлинный парадокс возник при тестировании сторонней модели DAM. На общепсихиатрических данных она достигала надежной точности 0,706–0,708.