言语模式或可在确诊前数年发出风险信号
斯坦福的研究人员报告称，儿童谈论压力经历的方式，可能为未来的心理健康风险提供早期信号，甚至可能早于抑郁或焦虑被正式诊断数年。在发表于 Nature Mental Health 的一项研究中，团队使用自然语言处理模型分析了200多名9至13岁儿童的录音访谈。随后，这些模型预测了哪些儿童会在六年后发展出心理健康问题。
这一发现意义重大，因为青少年时期往往是抑郁和焦虑开始显现的阶段，但临床医生在症状变得严重之前，识别哪些儿童最脆弱的手段仍然有限。研究人员表示，这项新工作指向一种筛查方式：成本相对较低、可扩展，而且基于儿童本就会自然做的一件事，讲话。
研究是如何进行的
研究团队评估了儿童描述自己生活中压力事件的访谈内容。研究人员将四种不同的语言模型应用于这些文字记录。跨这些模型来看，系统在预测日后的心理健康结果方面表现非常准确，优于审阅同样材料的一组人类专家。
这项研究的一个核心发现是，预测价值更多来自儿童说话的方式，而不是他们说了什么。言语的结构，包括使用诸如“and”“to”和“but”之类的小连接词，结果比所描述压力事件的具体细节更具信息量。
这一区别很重要。它表明，这些模型并不是简单地在标记经历过更戏剧化或显然更严重压力源的儿童。相反，它们似乎是在识别语言组织中的模式，而这些模式可能反映了孩子如何在内心处理压力。就实际而言，即使不同儿童所经历的事情差异很大，这种基于言语的评估也可能依然有用。
为何研究人员看好语音分析
论文第一作者、斯坦福人文与科学学院神经科学博士生 Chase Antonacci 表示，这些结果为一种有望在确诊前识别风险标记的工具提供了概念验证。这在当前实践中是一个重要空白。等到焦虑和抑郁障碍在临床上已经明显可见时，治疗往往已经更困难，孩子也可能已经挣扎多年。
现有的风险评估方式要么难以扩展，要么需要更密集的流程。临床评估虽然有用，但耗时且依赖受过训练的专业人员。其他更客观的方法则包括采血、测量皮质醇、监测生理压力反应，或检查端粒长度。这些方法可能具有预测价值，但也需要专门设备、实验室能力，或更具侵入性的数据采集。
言语属于不同类别。它相对容易收集，处理成本也低于许多生物医学指标，而且有可能在更大范围的人群中部署。这并不意味着它已准备好取代临床判断。但这确实意味着，它或许可以成为一种实用的前端工具，用于识别哪些儿童可能需要更密切的随访。
模型可能真正捕捉到的是什么
这项研究并未声称连接词本身会导致日后的心理健康问题。更合理的解释是，细微的语言模式充当了更深层认知或情绪过程的代理信号。句子结构可能反映孩子如何组织记忆、调节注意力、理解困难事件，或在讲述压力经历时如何在感受与事实之间切换。
如果这一点成立，语言分析之所以有价值，恰恰在于它能够捕捉到人类听者难以稳定测量的信号。临床医生或教师可能会注意到某个孩子显得痛苦、退缩，或异常平淡。但机器学习系统可以量化数百次访谈中反复出现的结构性言语特征，并将这些模式与日后结果进行大规模对照，这一点人类无法仅凭自身完成。
这一优势也有助于解释为什么这些模型优于一组人类专家。专家判断仍然至关重要，尤其是在现实医疗场景中，因为情境很重要。即便如此，这项研究表明，日常言语中嵌入的统计模式，可能包含训练有素的观察者会遗漏、或无法可靠凭耳朵评分的信息。
潜在用途与注意事项
如果这些结果在更大、更多样化的人群中得到验证，学校、儿科系统和社区健康项目最终或许可以使用基于言语的工具来支持早期干预。一个孩子在日常对话或结构化访谈中讲述压力事件，可能就会生成足够的语言数据，让模型估计其风险升高，从而触发更深入的评估。
这一前景很有吸引力，但也引出了明显的问题。基于言语的系统需要在不同年龄段、方言、语言和社会环境中接受严谨验证。它们还需要强有力的隐私保护，因为儿童谈论压力的录音极其敏感。一个在单一研究样本中表现良好的工具，并不自动适合广泛部署。
即便存在这些保留，这项斯坦福研究仍标志着一个值得注意的进展。它将早期心理健康检测重新聚焦于一种既有人类特征、又易于获取的信号：隐藏在日常语言中的模式。研究人员不再只依赖那些在障碍已经形成后才显现的症状，而是在指向一种能够在确诊前较为安静的几年里识别风险的方法。
对于一个长期难以为儿童未来心理健康问题找到可扩展、客观指标的领域来说，这一转变可能具有重要影响。这项研究并未解决儿童心理健康护理问题。但它确实表明，通往更早支持的路径，也许要从更仔细地倾听开始，并借助能够在大多数人听到故事之处听见结构的工具。
本文根据 Medical Xpress 的报道改编。阅读原文。
Originally published on medicalxpress.com