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

背景：抑郁症已成为全球日益普遍的公共卫生问题，但当前临床诊断主要依赖患者自述和专业评估，面临专业人员短缺、诊断不准确、评估耗时等挑战，急需客观、便捷的新型诊断方法。研究目的：北京大学第六医院岳伟华教授团队旨在利用自监督学习技术，基于语音特征开发一种快速、非侵入性、成本效益高的抑郁症辅助诊断方法。结论：团队建立了大规模多中心语音数据库（1816名参与者），开发了基于自监督架构的深度学习框架。Whisper模型在内部验证中AUC达0.932，外部验证中AUC达0.879，预测评分与汉密尔顿抑郁量表呈中度相关（r=0.662），显著优于传统声学特征方法。该工具可利用普通智能移动设备完成筛查，有望改善精神卫生资源匮乏地区的抑郁症诊断可及性。