일반적으로 우울증을 진단하기 위해 임상의는 환자를 인터뷰하고 과거의 정신 질환, 생활 습관 및 환경 등과 같은 특정 질문을 하고 환자의 반응을 기반으로 상태를 확인한다.

최근 몇 년 동안 머신러닝은 우울증 진단을 위한 도움을 주고있지만 대부분의 기존 모델은 우울증을 나타낼 수 있는 예후 특정점을 구사되는 단어와 억양을 탐지할 수 있도록 개발되었다. 이러한 모델은 특정 질문에 대한 사람의 구체적 답변에 따라 사람이 우울한지 여부를 예측한다. 하지만 이 방법은 질문의 유형과 답변에 의존하는 방법으로 여러 변수가 작용되는 현실에서는 참고 이상의 진단 기법으로는 어려움이 따랐다.

이에 MIT 컴퓨터 과학 및 MIT 인공지능연구소(CSAIL, Computer Science & Artificial Intelligence Laboratory)는 임상의와 인터뷰에서 원시 텍스트 및 오디오 데이터에서 우울증을 나타내는 음성 패턴을 발견할 수 있는 새로운 신경망 모델을 개발해 주목을 받고 있다.

2일부터 6일(현지시각)까지 인도 하이데라바드 국제컨벤션센터(Hyderabad International ConventionCentre)에서 개최되는 '인터스피치 2018 (Interspeech 2018)' 컨퍼런스에서 발표될 우울증 진단 신경망 모델에 대한 연구에 대해 발표된다. 특히 이번에 개발된 신경망 모델은 새로운 주제가 주어지면 질문 및 답변에 대한 다른 정보가 필요없이 개인이 우울한지를 정확하게 예측할 수 있다.

연구진은 이 방법이 자연스러운 대화에서 우울증의 징후를 감지할 수 있는 도구를 개발하는 데 사용될 수 있기를 희망하고 있으며, 또한 연구진은 앞으로 이 모델은 사용자의 텍스트 및 음성을 모니터링 하여 정신적으로 어려움을 겪고있는 징후가 예견되면 모바일 앱을 통해 경고를 보낸다. 이로 인해 시간, 비용 또는 우울증에 대한 인식이 부족하거나 초기 진단을 위해 임상의에 갈 수 없는 사람들에게 특히 유용할 것이라고 전했다.

모델의 핵심은 우울증을 나타내는 패턴을 감지하고 추가 정보가 없는 새로운 개인에게 패턴을 매핑할 수 있는 모델의 능력에 있으며, 연구자들은 종종 음성 처리에 사용되는 시퀀스 모델링(Sequence modeling)이라는 기술을 사용했다.

이 기술을 사용하여 우울증 환자와 우울하지 않은 사람의 질문과 답변의 텍스트 및 오디오 데이터 모델 시퀀스를 하나씩 차례로 제공, 누적된 순서대로 모델은 우울증이 있거나 없는 사람들을 위해 등장한 음성 패턴을 추출했으며, 이 모델은 일련의 단어 또는 말하기 스타일을 감지하고 우울증이나 우울증에 걸릴 가능성이 있는 패턴을 추출하고 결정한다.