Non-Invasive Suicide Risk Prediction Through Speech Analysis

要約

救急部門での専門的な精神医学的評価と自殺傾向のリスクのある患者へのケアへのアクセスが遅れているため、タイムリーな介入に顕著なギャップが生じ、危機的状況における適切なメンタルヘルス支援の提供が妨げられています。
これに対処するために、我々は自動自殺リスク評価のための非侵襲的で音声ベースのアプローチを提案します。
私たちの研究では、20ドルの患者から新しい音声録音データセットを収集しました。
wav2vec、解釈可能な音声および音響特徴、深層学習ベースのスペクトル表現を含む 3 セットの特徴を抽出します。
私たちは、二項分類を実行して、1 つの被験者を除外した方法で自殺リスクを評価します。
私たちの最も効果的な音声モデルは、$66.2\,\%$ というバランスの取れた精度を達成しています。
さらに、音声モデルを自殺未遂歴や銃器へのアクセス履歴などの一連の患者のメタデータと統合すると、全体的な結果が改善されることを示します。
メタデータの統合により、$94.4\,\%$ のバランスのとれた精度が得られ、$28.2\,\%$ の絶対的な改善を記録し、救急医療における自動自殺リスク評価に対する私たちの提案するアプローチの有効性を実証しています。

要約(オリジナル)

The delayed access to specialized psychiatric assessments and care for patients at risk of suicidal tendencies in emergency departments creates a notable gap in timely intervention, hindering the provision of adequate mental health support during critical situations. To address this, we present a non-invasive, speech-based approach for automatic suicide risk assessment. For our study, we collected a novel speech recording dataset from $20$ patients. We extract three sets of features, including wav2vec, interpretable speech and acoustic features, and deep learning-based spectral representations. We proceed by conducting a binary classification to assess suicide risk in a leave-one-subject-out fashion. Our most effective speech model achieves a balanced accuracy of $66.2\,\%$. Moreover, we show that integrating our speech model with a series of patients’ metadata, such as the history of suicide attempts or access to firearms, improves the overall result. The metadata integration yields a balanced accuracy of $94.4\,\%$, marking an absolute improvement of $28.2\,\%$, demonstrating the efficacy of our proposed approaches for automatic suicide risk assessment in emergency medicine.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google