北京大学第六医院《自然·通讯》：自监督语音表征作为生物标志物用于抑郁症辅助诊断

深度解析医学证据，DeepEvidence为你支撑决策

背景介绍

抑郁症已成为全球日益普遍的公共卫生问题，世界卫生组织预测到2030年抑郁症将成为全球疾病负担的首要原因。然而，当前临床诊断主要依赖患者自述和专业临床评估，面临精神卫生专业人员短缺、基层诊断不准确、评估耗时、社会病耻感导致隐瞒症状等诸多挑战。这些局限性凸显了对新型客观、便捷诊断方法的迫切需求。语音特征作为一种新兴的数字表型标志物，因其快速、非侵入性、保护隐私和客观等优势，成为抑郁症筛查领域极具前景的生物标志物。近年来，自监督学习和基础模型的突破为从语音中捕捉细微声学模式提供了强大的技术基础。

研究思路

针对上述挑战，北京大学第六医院的岳伟华教授团队建立了一个迄今为止规模最大的多中心抑郁症语音数据库（共1816名参与者，包括910名抑郁症患者和906名健康对照，包含23608个标准化语音样本）。基于6373个声学-韵律特征，研究团队开发了一个采用自监督架构的深度学习框架，利用语音生物标志物进行抑郁症诊断。系统比较了WavLM、HuBERT和Whisper等预训练基础模型与传统openSMILE声学特征的性能。模型在内部验证（n=333）中AUC达到0.932，在外部验证（n=160）中AUC达到0.879，显著优于传统方法。自监督表征模型（尤其是Whisper）展现了稳健的诊断准确性，其预测评分与汉密尔顿抑郁量表呈中度相关（r=0.662）。该研究提供了一种快速、成本效益高且非侵入性的抑郁症辅助评估方法。相关内容以Speech as a biomarker for supported diagnosis of major depressive disorder using self-supervised representations发表在Nature Communications！

图片解析

图1. 研究设计与模型架构： (a) 两阶段研究流程图：发现队列（n=1323）按80%/20%分为训练集和内部验证集；外部验证队列（n=160）来自独立临床中心。(b) 语音抑郁症诊断流程及深度学习框架示意图：自监督模型提取语音表征，与性别嵌入（wav2vec微调）拼接后经对抗训练管道，以分离抑郁症相关的副语言特征与说话人特异性特征。

图2. 语音特征的人群水平分析： (a) 情绪检测中表现最好的20个特征：MFCC特征占比最大（9个），听觉频谱特征为第二大类别，其中“audspec_lengthL1norm_sma_peakDistStddev”效应量最大（0.749）。所有特征在三个数据集中均表现出显著区分能力（校正p<0.05）。(b) 性别分类中表现最好的20个特征：基频和MFCC相关特征表现出强区分能力，且与情绪区分特征存在显著重叠，提示性别是语音特征与情绪表达关系中的混杂因素。(c) 年龄分布分析：仅3个特征与年龄的相关系数绝对值超过0.3，表明年龄对声学特征的影响较弱。

图3. 模型性能： (a) SHAP依赖图：顶部10个声学特征（按平均绝对SHAP值排序）在训练集、内部验证集和外部验证集中的贡献。(b) CatBoost-openSMILE模型与Whisper-Emb模型性能对比：Whisper-Emb模型在内部验证中F1-score高9.4%、灵敏度高11.7%、特异性高6.0%、AUC高8.3%；外部验证中优势持续。(c) ROC曲线：Whisper-Emb模型内部验证AUC=0.932，外部验证AUC=0.879，显著优于WavLM-Emb和HuBERT-Emb。

图4. 抑郁症检测模型性能分析： (a) 音频时长影响：模型性能随语音时长增加而提升，80秒后趋于平台期，提示至少80秒音频可稳定捕捉抑郁声学信号。(b) 开放性问题与封闭式问题对比：开放性问题灵敏度更高（77.5% vs 70.0%）但特异性略低（73.8% vs 78.7%），AUC相当（0.831 vs 0.848）。(c) 不同情绪效价刺激：负性、中性和正性情绪刺激下模型AUC分别为0.828、0.840和0.838，差异不显著。

图5. 临床量表评分与抑郁症预测评分的相关性： (a) 模型预测评分与HAMD呈中度相关（r=0.662，95% CI: 0.563-0.747）。(b) 与HAMA相关性为r=0.675。(c) 与SDS相关性为r=0.158（提示自评量表与临床评估差异）。(d) 与PHQ-9相关性为r=0.213。模型预测与临床医生评估量表（HAMD、HAMA）的相关性显著强于自评量表（PHQ-9、SDS）。

结论

本研究基于大规模多中心语音数据库，建立了采用自监督学习架构的深度学习模型，实现了利用语音生物标志物对抑郁症的辅助诊断。Whisper模型在内部验证中AUC达0.932，外部验证中AUC达0.879，显著优于传统声学特征方法和WavLM、HuBERT等其他基础模型。SHAP分析识别出谱、韵律、发声和时域等关键区分性特征，与精神运动性迟滞的临床表现一致。模型预测评分与临床医生评估的汉密尔顿抑郁量表呈中度相关（r=0.662），优于与自评量表的相关性。该语音评估工具可通过普通智能移动设备快速、隐私地完成，无需复杂设备或专业操作，有望改善精神卫生资源匮乏地区抑郁筛查的可及性，为临床辅助诊断提供了一种非侵入性、低成本且高效的客观手段。