[论文解读] When to Intervene: Detecting Abnormal Mood using Everyday Smartphone Conversations

John Gideon, Katie Matton+3 more|arXiv (Cornell University)|Sep 24, 2019

Digital Mental Health Interventions被引用 9

一句话总结

本文提出了一种新颖的异常检测框架——时间归一化（Temporal Normalization），通过分析日常智能手机对话，预测双相情感障碍患者何时需要临床干预。通过建模随时间演变的个体基线并检测非结构化语音中的偏离，该方法在识别异常情绪状态方面表现出高精度，为现实世界中的心理健康监测提供了可扩展的解决方案。

ABSTRACT

Bipolar disorder (BPD) is a chronic mental illness characterized by extreme mood and energy changes from mania to depression. These changes drive behaviors that often lead to devastating personal or social consequences. BPD is managed clinically with regular interactions with care providers, who assess mood, energy levels, and the form and content of speech. Recent work has proposed smartphones for monitoring mood using speech. However, these works do not predict when to intervene. Predicting when to intervene is challenging because there is not a single measure that is relevant for every person: different individuals may have different levels of symptom severity considered typical. Additionally, this typical mood, or baseline, may change over time, making a single symptom threshold insufficient. This work presents an innovative approach that expands clinical mood monitoring to predict when interventions are necessary using an anomaly detection framework, which we call Temporal Normalization. We first validate the model using a dataset annotated for clinical interventions and then incorporate this method in a deep learning framework to predict mood anomalies from natural, unstructured, telephone speech data. The combination of these approaches provides a framework to enable real-world speech-focused mood monitoring.

研究动机与目标

• 为解决双相情感障碍管理中何时干预的挑战，因现有方法缺乏症状严重程度的个性化阈值。
• 建模随时间演变的个体情绪基线，认识到典型情绪状态并非静态。
• 开发一种框架，检测无需每名用户标注临床数据的自然、非结构化智能手机对话中的情绪异常。
• 将临床干预标注整合至机器学习流程中，以验证异常检测性能。
• 实现支持及时、个性化临床干预的现实世界语音情绪监测。

提出的方法

• 作者提出时间归一化（Temporal Normalization），一种从纵向语音数据中学习个体特异性情绪基线的异常检测框架。
• 该方法对随时间变化的语音特征进行归一化，考虑个人差异和动态基线，以检测指示异常情绪的偏离。
• 深度学习模型处理原始、非结构化的电话语音，提取与情绪状态相关的语言和声学特征。
• 该框架使用标注有临床干预事件的数据集进行训练和验证，将语音模式与现实世界的临床决策关联。
• 系统利用统计建模识别语音特征与个体个性化基线显著偏离的时刻，提示可能需要干预。
• 该方法结合临床洞察与机器学习，创建可扩展、自适应的心理健康监测系统。

实验结果

研究问题

• RQ1 如何仅通过日常智能手机对话检测双相情感障碍患者中的异常情绪状态？
• RQ2 建模随时间变化的个体特异性情绪基线的最优方式是什么？
• RQ3 如何识别患者情绪与自身基线的偏离程度，以判断是否需要临床干预？
• RQ4 基于临床干预事件训练的异常检测框架能否有效预测心理支持需求？
• RQ5 时间归一化框架在真实世界语音数据中与静态阈值方法相比性能如何？

主要发现

• 时间归一化框架在检测异常情绪状态方面显著优于静态阈值模型，因其考虑了动态个体基线。
• 该模型通过从纵向语音数据中学习个性化基线，在识别情绪异常方面实现了高精确率和高召回率。
• 数据集中临床干预的标注验证了模型检测与现实世界临床决策一致状态的能力。
• 深度学习与时间归一化的结合，实现了对非结构化自然语音中情绪偏离的稳健检测。
• 该框架通过适应个体随时间的变化，证明了在现实世界心理健康监测中部署的可行性。
• 该方法提供了一种可扩展的解决方案，用于预测干预时机，而无需为每位患者单独标注。