Бул изилдөө психиатриялык клиникалык маектерде жазылган бейтап сөзүнөн алынган мел-спектрограммаларды терең үйрөнүү менен талдап, жакында өзүн-өзү өлтүрүүгө аракет кылган бейтаптарды оор депрессиясы бар, бирок документтештирилген өзүн-өзү өлтүрүү ою жок бейтаптардан акустикалык жактан айырмалоого болобу деген суроону изилдейт. Multi-Scale Convolutional Neural Network (Multi-Scale CNN) ар башка масштабдагы убакыт-жыштык үлгүлөрүн бөлүп чыгарган параллелдүү конволюция катмарларын residual байланыштар жана мейкиндиктик attention механизми менен бириктирген эки өлчөмдүү терең үйрөнүү классификатору. Изилдөөдө Румыниядагы эки психиатриялык ооруканадан 88 бойго жеткен стационардык бейтаптын жазуулары колдонулган: 59 бейтап жакында өзүн-өзү өлтүрүүгө аракет кылгандан кийин жаткырылган, 29 бейтап болсо оор депрессиясы бар, бирок документтештирилген өзүн-өзү өлтүрүү ою же жакынкы мезгилдеги өзүн-өзү өлтүрүү жүрүм-туруму жок клиникалык салыштыруу тобун түзгөн. Бейтап деңгээлинде кайталанган, катмарланган беш бүктөмдүү кайчылаш текшерүүдө моделдин орточо тактыгы %72,67 ± 6,44, ROC-AUC мааниси 0,824 ± 0,054, сезгичтиги %88,3 ± 9,5 жана өзгөчөлүгү %41,3 ± 25,0 болгон. Ошол эле учурда үлгүнүн кичине болушу, тышкы валидациянын жоктугу, гендердик бөлүштүрүүдөгү тең салмаксыздык, дары маалыматтарынын жетишсиздиги жана маек шарттарындагы айырмачылыктар жыйынтыктардын клиникалык жалпылануусун чектейт.

Изилдөөнүн клиникалык мотивациясы “dissimulation” деп аталган жашыруу көйгөйүнө негизделет: өзүн-өзү өлтүрүү ою бар айрым бейтаптар баалоо учурунда аны четке кагышы же ачык айтпашы мүмкүн. Бирок бул изилдөө оюн активдүү түрдө жашырган бейтаптарды классификациялоо үчүн иштелип чыккан эмес. Модель жакында өзүн-өзү өлтүрүүгө аракет кылган бейтаптардын жазуу шарттарындагы үн үлгүлөрүн оор депрессия тобунун үн үлгүлөрүнөн айырмалоого аракет кылат. Ошондуктан жыйынтыктарды “үн жашырылган өзүн-өзү өлтүрүү ниетин аныктайт” деп чечмелөөгө болбойт.

Моделдин жогорку сезгичтиги жакында өзүн-өзү өлтүрүүгө аракет кылган бейтаптардын олуттуу бөлүгүн тиешелүү класска кошконун көрсөтөт, ал эми төмөн өзгөчөлүк депрессия тобунда жалган-оң натыйжалардын жогорку жүгүн билдирет. Мындан тышкары, гендер боюнча дал келтирилген анализде ROC-AUC 0,621 ± 0,156 чейин төмөндөшү негизги маалымат топтомундагы ажыратуунун бир бөлүгү гендер менен байланышкан үн айырмачылыктарынан таасирленген болушу мүмкүн экенин көрсөтөт. Демек, изилдөө клиникалык диагноз койгон автономдуу үн системасы эмес, келечекте өнүктүрүлүшү мүмкүн болгон кошумча чечимди колдоо ыкмасы үчүн алгачкы далил берет.

Өзүн-өзү өлтүрүү коркунучун баалоодогу негизги кыйынчылыктардын бири — клиницист маанилүү көлөмдөгү маалыматты бейтаптын өз билдирүүсүнөн алат. Булактагы изилдөө адабияттарда өзүн-өзү өлтүрүү ою бар айрым адамдар баалоо учурунда мындай ойлорду четке кагары тууралуу табылгалардан чыгып, семантикалык мазмундан тышкары маалымат каналын изилдөөнү сунуштайт. Бул канал бейтап эмне дегенинен көрө, сөздүн акустикалык түзүлүшү кандай үлгүлөрдү алып жүрөрүнө байланыштуу.

Изилдөөнүн суроосу үн өз алдынча “өзүн-өзү өлтүрүү ниетин окуй алабы” деген эмес. Тарыраак жана өлчөнүүчү суроо мындай: жакында өзүн-өзү өлтүрүүгө аракет кылган оор депрессиялуу бейтаптар менен оор депрессиясы бар, бирок документтештирилген өзүн-өзү өлтүрүү ою жок бейтаптар клиникалык маек учурунда чыгарган сөздө машина үйрөнүүсү бейтап деңгээлинде айырмалай ала турган акустикалык үлгүлөр барбы?

Үн талдоосу жашырылган өзүн-өзү өлтүрүү ниетин түздөн-түз аныктайбы?

Жок. Бул изилдөө өзүн-өзү өлтүрүү оюн активдүү жашырган адамдарды аныктаган эксперимент жүргүзгөн эмес; жакында өзүн-өзү өлтүрүүгө аракет кылган бейтаптардын үн жазуулары менен оор депрессия тобунун жазууларынын ортосундагы акустикалык ажыратылууну сынаган. Ошондуктан алынган көрсөткүчтөр жашырылган өзүн-өзү өлтүрүү ниети клиникада үн аркылуу ишенимдүү аныкталат деген далил эмес.

Бул айырма изилдөөнүн аталышын туура чечмелөө үчүн борбордук мааниге ээ. Изилдөөчүлөр “жашырууга туруктуу” баалоо системасы илимий жактан мүмкүн болушу үчүн алгач тиешелүү клиникалык топтордун ортосунда үн сигналында кайталануучу айырмачылыктар табылышы керек деп эсептешет. Учурдагы изилдөө ушул зарыл алдын ала шартты текшерет. Бирок жетиштүү шарт — адам өзүн-өзү өлтүрүү оюн түздөн-түз четке каккан учурда система жашырылган коркунучту проспективдүү түрдө кармай алышы — азырынча көрсөтүлгөн эмес.

Үн эмне үчүн изилденип жатат?

Адамдын үнү сөздөрдөн гана турбайт. Дем алуу системасы, кекиртек, үн байламталары жана супраларингеалдык вокалдык тракттын координациясы сөздүн негизги физикалык түзүмүн түзөт. Булак изилдөө таянган нейрофизиологиялык алкакта автономдук нерв системасы; негизги жыштык, үн сапаты, jitter, shimmer жана спектралдык энергиянын бөлүштүрүлүшү сыяктуу өлчөнүүчү касиеттерге таасир бере алат. Бул таасирлердин баары сүйлөөчүнүн аң-сезимдүү көзөмөлүнө бирдей деңгээлде баш ийбейт.

Изилдөөнүн гипотезасы ушул жерден өнүгөт: күчтүү эмоциялык жана физиологиялык абалдар сөздүн убакыт-жыштык түзүлүшүндө бириккен из калтырышы жана терең нейрон тармагы кол менен тандалган өзүнчө белгилерден көрө ушул көп өзгөрмөлүү үлгүнү үйрөнүшү мүмкүн. Бирок изилдөө кайсы бир жалгыз акустикалык белгинин өзүн-өзү өлтүрүү жүрүм-турумуна өзгөчө экенин көрсөтпөйт.

Клиникалык салыштыруу эмне үчүн дени сак адамдар менен эмес, оор депрессиялуу бейтаптар менен жүргүзүлдү?

Изилдөөдө оор депрессия тобу активдүү клиникалык көзөмөл катары колдонулган. Мунун маанилүү себеби — депрессиянын өзү сүйлөө ылдамдыгы, pitch өзгөрмөлүүлүгү, психомотордук активдүүлүк жана спектралдык энергия сыяктуу вокалдык касиеттердеги өзгөрүүлөр менен байланышта болушу мүмкүн. Эгер жакында өзүн-өзү өлтүрүүгө аракет кылган бейтаптар дени сак адамдар менен гана салыштырылса, модель депрессияга тиешелүү жалпы вокалдык өзгөрүүлөрдү үйрөндүбү же аракетке байланышкан кошумча үлгүнү үйрөндүбү, айырмалоо кыйла кыйын болмок.

Ошентсе да активдүү көзөмөл дизайны бардык чаташтыруучу факторлорду жойгон эмес. Эки топтун гендердик бөлүштүрүлүшү олуттуу айырмаланат: өзүн-өзү өлтүрүү аракет тобунун %49,2 бөлүгү эркек болсо, депрессия тобунун болгону %17,2 бөлүгү эркек. Бул айырма статистикалык жактан маанилүү деп табылган. Үндүн негизги жыштыгы жана башка спектралдык касиеттер биологиялык жыныстан таасирлениши мүмкүн болгондуктан, модель топ белгилерин жарым-жартылай ушул касиеттер аркылуу айырмалаган болушу мүмкүн.

Сүйлөө жазуусу кантип чогултулган?

Изилдөөгө Декабрь 2023 менен Сентябрь 2024 аралыгында Румыниядагы эки психиатриялык ооруканадан 18–65 жаштагы 88 бойго жеткен бейтап киргизилген. Бардык катышуучуларда оор депрессия негизги диагноз болгон. Жазуулар эки борбордо тең Sony ICD-PX240 санариптик үн жаздыруучу түзмөктөр менен тынч клиникалык маек бөлмөлөрүндө жүргүзүлгөн. Баштапкы жазуулар 44,1 kHz үлгүлөө ылдамдыгында жана 128 kbps MP3 форматында алынган. Ар бир маек болжол менен 8–12 мүнөткө созулган.

Маектер жарым структураланган эки бөлүктөн турган. Өзүн-өзү өлтүрүү аракет тобунда биринчи бөлүк аракетке жана ага байланышкан эмоциялык абалдарга багытталса, депрессия тобунда бейтаптын учурдагы эмоциялык абалы талкууланган. Экинчи бөлүктө аба ырайы жана хобби сыяктуу нейтралдуураак темалар сүйлөшүлгөн. Бул түзүлүш эмоциялык жактан ачык жана нейтралдуу сүйлөө бөлүктөрүн алууга багытталган.

Бирок маек алуучулар бейтаптар кайсы клиникалык топко кирерин билишкен жана эки топтун биринчи маек темалары бирдей болгон эмес. Ошондуктан сүйлөөчүнүн эмоциялык козголушундагы же просодиясындагы айрым айырмачылыктар клиникалык абалдан гана эмес, сүйлөшүлгөн темадан же маек өз ара аракетинен да келип чыгышы мүмкүн. Авторлор ушул себептен табылгаларды уникалдуу “өзүн-өзү өлтүрүүгө өзгөчө үн биомаркери” катары эмес, ушул маек шарттарында эки топтун акустикалык ажыратылуусу катары чектешет.

Маек алуучунун үнү моделге кирдиби?

Жок. Чийки маектер адегенде алдын ала үйрөтүлгөн pyannote/speaker-diarization-3.1 модели менен автоматтык сүйлөөчү ажыратууга жөнөтүлүп, андан кийин сүйлөөчү белгилөөлөрү изилдөө тобу тарабынан кол менен текшерилген. Бейтапка тиешелүү сүйлөө сегменттери гана сакталган; маек алуучунун үнү тынчтыкты тазалоо, мел-спектрограмма түзүү, CNN үйрөтүү жана моделди баалоодон мурда толугу менен чыгарылган.

Бул кадам маанилүү маалымат агып кетүүсүнүн алдын алуу менен коштолгон. Бир катышуучуга тиешелүү бардык үн сегменттери ошол эле кайчылаш текшерүү бөлүгүндө сакталган. Ошентип, бир адамдын айрым бөлүктөрү үйрөтүүдө, башка бөлүктөрү тестте болушуна жол берилген эмес. Эгер мындай ажыратуу жасалбаса, модель клиникалык класстан көрө сүйлөөчүнүн инсандыгын үйрөнүп, чындыгынан жогору көрсөткүч көрсөтүшү мүмкүн эле.

Мел-спектрограмма жана Multi-Scale CNN бул изилдөөдө кантип колдонулду?

Изилдөөдө бейтаптын сөзү эки секунддук бири-бирин каптаган бөлүктөргө бөлүнүп, ар бир бөлүк 128 мел жыштык тилкесинен турган туруктуу өлчөмдөгү убакыт-жыштык сүрөтүнө айландырылып, Multi-Scale CNN бул сүрөттөрдөгү майда жана кең масштабдагы спектро-темпоралдык үлгүлөрдү параллелдүү конволюциялар, residual байланыш жана attention механизми аркылуу үйрөнүп, эки клиникалык класс үчүн ыктымалдык чыгарган.

Үн сигналынан моделге чейинки алдын ала иштетүү чынжыры

Булакта STFT үчүн 2048 үлгүлүк терезе 22.050 Hzде болжол менен 93 ms, 512 үлгүлүк hop узундугу болсо болжол менен 23 ms ге туура келери көрсөтүлгөн. Кыска спектрограммалар нөл менен толтурулуп, узундары 100 убакыт кадрына чейин кесилген.

12. беттеги булактагы Сүрөт 1 эки клиникалык топтон өкүлчүлүк кылган мел-спектрограмма мисалдарын көрсөтөт. Авторлор атайын белгилеген жагдай — бул эки сүрөт адамдын көзүнө ачык класс айырмасын көрсөтөт деп күтүлбөйт. Ажыратуу бир көрүнүктүү сызыктан же жыштык тилкесинен эмес, CNN көптөгөн сегменттер боюнча үйрөнгөн татаал спектро-темпоралдык үлгүлөрдөн пайда болот.

Multi-Scale CNN архитектурасынын логикасы

Моделдин биринчи этабында бир эле спектрограмма эки параллелдүү конволюциялык жолго жөнөтүлөт. Биринчи жол 32 даана 3 × 3 өзөк колдонуп, жергиликтүүрөөк жана майда спектро-темпоралдык деталдарды иштетет. Экинчи жол 32 даана 5 × 5 өзөк менен кеңири контексттик үлгүлөрдү карайт. Эки жолдун чыгыштары канал өлчөмүндө бириктирилип, 64 каналдуу өзгөчөлүк картасы алынат.

Бириккен өзгөчөлүктөр 64 фильтрлүү 3 × 3 Conv2D катмарынан жана Batch Normalization ишинен өтөт. Андан кийин residual түзүлүш ичинде 3 × 3 конволюциялык өзгөртүү жолу менен 1 × 1 проекциялык кыска жол бириктирилет. Residual байланыш тармак тереңирээк өкүлчүлүктөрдү үйрөнүп жатканда градиент агымын сактоого жардам берген архитектуралык компонент.

ReLU жана 2 × 2 max poolingден кийин 128 фильтрлүү дагы бир 3 × 3 Conv2D катмары жана Batch Normalization колдонулат. Андан соң өзгөчөлүк карталары attention механизмине өткөрүлөт. Бул механизм спектрограмманын бардык аймактарына бирдей салмак берүүнүн ордуна классификация үчүн айырмалоочу болуп көрүнгөн мейкиндик/убакыт-жыштык аймактарына көбүрөөк салмак берүүнү үйрөнөт.

Attention чыгышы 128 бирдиктүү толук байланышкан ReLU катмарына, андан соң 0,5 dropout катышына жана эки класстуу softmax чыгышына өткөрүлөт. Булакта параметрлердин жалпы саны 170.691 деп берилет; алардын 170.307си үйрөтүлүүчү, 384ү Batch Normalization иш статистикаларынан келип чыккан үйрөтүлбөй турган параметрлер.

Сегмент божомолунан бейтап божомолуна кантип өтүлгөн?

CNN эки секунддук көптөгөн сүйлөө сегменттеринде иштесе да, макаланын негизги көрсөткүчтөрү сегмент деңгээлинде эмес, бейтап деңгээлинде эсептелген. Бир бейтапка тиешелүү сегмент класстары көпчүлүк добушу менен бириктирилип, акыркы бейтап классы аныкталган. ROC-AUC эсептөөдө болсо ошол бейтаптын бардык сегменттери үчүн чыгарылган өзүн-өзү өлтүрүү-аракети классынын ыктымалдыктарынын орточо мааниси колдонулган.

Бул тандоо методологиялык жактан өтө маанилүү; анткени миңдеген үн сегменттеринин болушу 88 көз карандысыз бейтаптан миңдеген көз карандысыз үлгү алынганын билдирбейт. Бир адамдан алынган сегменттер бир эле үн чыгаруу системасын, бирдей жазуу шарттарын жана жарым-жартылай бирдей убакыт аралыгын бөлүшөт.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөөнүн негизги анализи бардык 88 бейтапта бейтап деңгээлиндеги катмарланган беш бүктөмдүү кайчылаш текшерүүгө негизделет. 59 бейтап жакында өзүн-өзү өлтүрүүгө аракет кылган класста, 29 бейтап оор депрессия салыштыруу классында. Ар бир бүктөмдө бир адамга тиешелүү бардык сүйлөө бөлүктөрү же үйрөтүү, же тест тарабында гана сакталган.

Үлгүнүн түзүлүшү

Эки топтун гендердик бөлүштүрүүсүндөгү айырма χ² тести менен p < 0,01 деңгээлинде маанилүү деп табылган. Ошондуктан негизги анализге кошумча аялдар гана, эркектер гана жана гендер боюнча дал келтирилген үлгүлөрдө кошумча анализдер жүргүзүлгөн.

Негизги бейтап-деңгээлдеги көрсөткүчтөр

ROC-AUC 0,824 жогорку сезгичтик жана төмөн өзгөчөлүк менен бирге кантип чечмелениши керек?

ROC-AUC 0,824 модель эки клиникалык топту ар башка чечим чектеринде ажырата аларын көрсөтсө, %88,3 сезгичтик менен %41,3 өзгөчөлүк тандалган изилдөө шарттарында модель аракет тобун кармоого ыктаганын, бирок бул депрессия тобунда көптөгөн жалган-оң классификациялардын эсебинен болгонун көрсөтөт; демек AUC өз алдынча клиникалык колдонууга даяр коркунуч тести дегенди билдирбейт.

Бул өзгөчө өзүн-өзү өлтүрүү коркунучу сыяктуу базалык көрсөткүчү төмөн жана клиникалык чыгымдар асимметриялуу болгон тармактарда маанилүү. Жалган-терс натыйжа клиникалык жактан олуттуу коркунучту өткөрүп жибериши мүмкүн, ал эми жалган-оң натыйжа керексиз кийлигишүү, бейтаптын тынчсыздануусу, ишенимдин жоголушу же керексиз чектөөчү клиникалык чечимдерге алып келиши мүмкүн. Булак изилдөө эч кандай клиникалык колдонуу чегин сунуштабайт.

Гендер көзөмөлдөнгөн анализдер эмнени көрсөттү?

Аялдардан гана турган анализде орточо ROC-AUC 0,866 ± 0,123 деп билдирилген. Эркектерге гана тиешелүү изилдөөчү анализде ROC-AUC болжол менен 0,786 болгон; бирок депрессия тобунда болгону беш эркек болгондуктан, бул жыйынтык ишенимдүү көз карандысыз валидация катары бааланган эмес.

Гендер боюнча дал келтирилген кайталанган анализдерде ROC-AUC 0,621 ± 0,156 деңгээлине түшкөн. Бул төмөндөө толук үлгүдөгү ажыратуу күчүнүн бир бөлүгү гендердик бөлүштүрүү жана гендер менен байланышкан акустикалык касиеттерден таасирленген болушу мүмкүн экенин көрсөтөт. Ошол эле учурда көрсөткүч толугу менен кокустук деңгээлине түшпөгөнү гендерден тышкары кошумча акустикалык маалымат болушу мүмкүн деген гипотезаны ачык калтырат. Бирок бул экинчи чечмелөө тышкы валидациясыз өзүн-өзү өлтүрүүгө өзгөчө биомаркердин так далили болбойт.

Multi-Scale CNN классикалык моделден жогору беле?

Булак изилдөө ошол эле бейтап-деңгээлдеги кайчылаш текшерүү бөлүктөрүндө MFCC өзгөчөлүктөрүн колдонгон Random Forest моделин да баалаган. Натыйжалар CNN классикалык базадан ачык артыкчылык көрсөтпөгөнүн билдирет.

Бейтап деңгээлиндеги жупталган классификациялар үчүн exact McNemar тести p = 0,804 берген. Бул жыйынтык учурдагы маалымат топтомунда эки ыкманын ортосунда статистикалык маанилүү классификация айырмасы көрсөтүлбөгөнүн билдирет. Ошондуктан изилдөөнүн илимий салымын “терең үйрөнүү классикалык ыкмадан өттү” деп берүү туура эмес.

Ашыкча үйрөнүү коркунучу эмне үчүн жогору?

Multi-Scale CNN 170.691 параметрге каршы болгону 88 көз карандысыз бейтапка ээ. Булак бул катышты болжол менен 1940 параметр/бейтап деп эсептейт. Сегментациянын натыйжасында жалпысынан 8037 спектрограмма түзүлгөнү айтылса да, бир эле бейтаптан алынган сегменттер көз карандысыз үлгү эмес; алар сүйлөөчүнүн инсандыгын, жазуу шарттарын жана %50 убакыттык кабатташууну бөлүшөт. Ошондуктан чыныгы көз карандысыз үлгү өлчөмүн миңдеген спектрограмма эмес, 88 бейтап деп баалоо керек.

Үйрөтүү ийри сызыктарында үйрөтүү тактыгы болжол менен %97–98ге жакындаганда валидация көрсөткүчү төмөнүрөөк деңгээлде калганы да ашыкча үйрөнүү коркунучу толук жоюлбаганын көрсөтөт. Авторлор ушул себептен жыйынтыктарды алгачкы этаптагы жана изилдөөчү мүнөздөгү деп сүрөттөшөт.

Булакта кайра өндүрүмдүүлүк жагынан маанилүү методдук карама-каршылык

Макаланын метод бөлүмү менен чектөөлөр бөлүмү айрым үйрөтүү деталдарында бири-бирине шайкеш келбейт. Метод бөлүмүндө TensorFlow/Keras 2.x, Adam optimizer, баштапкы үйрөнүү ылдамдыгы 2 × 10⁻⁴, batch size 16 жана 20 epoch берилген. Ошол эле бөлүм ачык түрдө early stopping колдонулбаганын, data augmentation колдонулбаганын жана explicit class weighting колдонулбаганын айтат.

Мунун тескерисинче, чектөөлөр бөлүмүндө SpecAugment жана class-weighted training колдонулганы, ошондой эле early stopping колдонулганы жазылат. Дагы бир чектөө билдирүүсүндө үйрөтүү тактыгы болжол менен %98ге 60 epoch ичинде жеткени айтылат. Бул билдирүүлөр бир эле акыркы үйрөтүү протоколун чогуу сүрөттөй албайт. Verianla бул карама-каршылыкты божомол менен чечпейт; моделди толук кайра өндүрүү үчүн кайсы үйрөтүү конфигурациясы акыркы анализге тиешелүү экенин авторлор же изилдөө коду аркылуу ырастоо керек.

Альтернативдүү түшүндүрмөлөр

Авторлор байкалган акустикалык айырма сөзсүз өзүн-өзү өлтүрүү жүрүм-турумуна өзгөчө физиологиялык белги дегенди билдирбесин кеңири талкуулашат. Биринчи маанилүү ыктымалдык — дары таасирлери. Психотроптук дарылар психомотордук активдүүлүккө, дем алууну көзөмөлдөөгө, фонацияга жана кекиртек булчуңдарынын тонусуна таасир этиши мүмкүн; бирок катышуучулардын дары маалыматтары системалуу түрдө катталган эмес.

Экинчи ыктымалдык — курч кризистен кийинки физиологиялык абал. Өзүн-өзү өлтүрүү аракетинен кийин жаңы жаткырылган бейтаптын чарчоо, седация же кризистен кийинки козголуу деңгээли депрессия менен ооруканада жаткан, бирок башка жаткыруу баскычында жазылган бейтаптан айырмаланышы мүмкүн.

Үчүнчү ыктымалдык — маек контексти. Маек алуучунун үнү модель киргизүүсүнөн чыгарылган болсо да, анын билген клиникалык абалы жана ар башка суроолор бейтаптын жоопторунун эмоциялык күчүн жана просодикалык түзүлүшүн өзгөртүшү мүмкүн.

Төртүнчү ыктымалдык — депрессиянын оордугу. Эки топто тең оор депрессия болгону менен, аракет кылган топтун орточо оору оордугу, үмүтсүздүк же психомотордук бузулуу деңгээли башкача болушу мүмкүн. Мындай учурда модель өзүн-өзү өлтүрүү жүрүм-турумун эмес, ага байланышкан жогору клиникалык оордукту үйрөнүп жаткан болушу мүмкүн.

Бешинчи ири фактор — гендердик тең салмаксыздык. Гендер боюнча дал келтирүүдөн кийин ROC-AUCтин олуттуу төмөндөшү бул чаташтыруучу таасир теориялык гана эмес, жыйынтыктарга да чагылдырылганын көрсөтөт.

Изилдөөнүн жыйынтыгы клиникада өз алдынча өзүн-өзү өлтүрүү коркунучу тестин колдонууга болорун көрсөтөбү?

Жок. Изилдөөдө тышкы валидация жүргүзүлгөн эмес, проспективдүү өзүн-өзү өлтүрүү жүрүм-туруму божомолдонгон эмес жана клиникалык колдонуу чеги сыналган эмес; изилдөөчүлөр үнгө негизделген классификацияны комплекстүү клиникалык баалоонун ордуна эмес, келечекте ырасталышы керек болгон кошумча чечимди колдоо маалымат каналы катары карашат.

Этикалык чектер

Үн жазуулары биометрикалык жана ден соолукка байланышкан сезгич маалымат. Булак келечекте үзгүлтүксүз үн мониторинги сыяктуу колдонууга өтүлсө, маалыматтандырылган макулдук, курч психиатриялык ооруда чечим кабыл алуу жөндөмүндөгү өзгөрүүлөр, маалыматты шифрлөө, кирүү көзөмөлү, жеке маалымат мыйзамдары жана алгоритмдик ачыктык негизги дизайн талаптары болушу керек экенин баса белгилейт.

Жалган-оң жана жалган-терс натыйжалардын чыгымдары да симметриялуу эмес. Жалган-оң эскертүү керексиз клиникалык кийлигишүүгө жана терапиялык ишенимдин бузулушуна алып келиши мүмкүн. Жалган-терс болсо клиницистке жалган ишеним бериши мүмкүн. Ошондуктан учурдагы proof-of-concept маалыматтарынан чыныгы клиникалык эскертүү чегин чыгарууга болбойт.

Жалпылануу чеги

Изилдөө Румыниядагы эки психиатриялык ооруканада румын тилинде өткөрүлгөн маектерден турат. Адам үн чыгаруунун негизги нейрофизиологиясы тилдер арасында жалпы компоненттерге ээ болгону менен, модель ар башка тилдерге, маданияттарга, микрофондорго, клиникалык чөйрөлөргө же жазуу протоколдоруна автоматтык түрдө жалпыланат деп божомолдоого болбойт. Булак да үнгө негизделген моделдерде маалымат топтомдорунун жана тилдердин ортосунда өткөрүүдө көрсөткүч жоготуулары бар экенине көңүл бурат.

Келечектеги изилдөөлөрдүн артыкчылыктары

Авторлор кийинки этап үчүн кеминде 500 катышуучуну камтыган көп борборлуу валидациялык изилдөөнү артыкчылык катары сунушташат. Бул дизайн тең салмакталган демографиялык бөлүштүрүүнү, стандартташтырылган маектерди, көз карандысыз тышкы валидация когортторун жана мүмкүн болсо бир нече тилди жана жазуу чөйрөсүн камтышы пландалат.

Дагы бир маанилүү максат — проспективдүү узак мөөнөттүү байкоо. Мындай изилдөөдө бейтаптар ооруканадан чыккандан кийин күн сайын үн үлгүлөрү алынып, модель көрсөткүчүндөгү өзгөрүүлөр клиникалык начарлоодон же кайталанган өзүн-өзү өлтүрүү жүрүм-турумунан мурда пайда болобу, текшерүүгө болот. Бул сценарий учурдагы макалада ишке ашырылган эмес.

Мындан тышкары, үн биомаркерлери C-SSRS сыяктуу структураланган куралдарга жана клиникалык баалоого чындап кошумча божомол маанисин береби, көп өзгөрмөлүү моделдер менен сыналышы керек. Үн, депрессиянын оордугу, дарылар, физиологиялык көрсөткүчтөр жана нейровизуализация бирге изилденсе, CNN үйрөнгөн өкүлчүлүктүн кайсы бөлүгү өзүн-өзү өлтүрүү жүрүм-туруму менен, кайсы бөлүгү демографиялык же клиникалык ковариаттар менен байланыштуу экени жакшыраак түшүнүлөт.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска изилдөө: Addressing the Dissimulation Problem in the Assessment of Suicide Risk Using CNN-Based Voice Analysis: A Proof-of-Concept Study.

Авторлор: Adela Magdalena Ciobanu; Ana Voichita Tebeanu; Vlad Tau; Anca Ana Chendea; Eduard Dan Franti; Catalin Niculae; Claudiu Ionut Vasile; George Florian Macarie; Liliana Neagu; Monica Dascalu; Cristian Ioan Stoica; Marius Moga; Gabriela Iorgulescu.

Жооптуу авторлор: Ana Voichita Tebeanu жана Vlad Tau.

Негизги мекемелер: University of Medicine and Pharmacy “Carol Davila”; “Prof. Dr. Al. Obregia” Psychiatry Clinical Hospital; National University of Science and Technology Politehnica Bucharest; Eden Health SRL; IMT Bucharest; Research Institute for Artificial Intelligence “Mihai Draganescu”; Areus Technology; “Elisabeta Doamna” Psychiatry Hospital; “Dunarea de Jos” University; Clinica PSIHOGER.

Журнал: Psychiatry International.

Басмакана: MDPI.

Библиографиялык жазуу: Psychiatry International, 2026, 7(4), 174.

DOI: 10.3390/psychiatryint7040174.

Жарыяланган күнү: 4 Август 2026.

Булак версиясы: Version of Record.

Макала түрү: Article; клиникалык proof-of-concept классификациялык изилдөө.

Лицензия: Creative Commons Attribution (CC BY). PDFде лицензиянын версия номери өзүнчө көрсөтүлбөгөндүктөн, версия божомолдонгон эмес.

Этика: Изилдөө Хельсинки декларациясына ылайык жүргүзүлүп, “Prof. Dr. Al. Obregia” Psychiatry Clinical Hospital жана “Elisabeta Doamna” Psychiatry Hospital этикалык комитеттеринен жактыруу алынган. Бардык катышуучулардан жазуу жүзүндөгү маалыматтандырылган макулдук алынган.

Каржылоо: Изилдөө үчүн тышкы каржылоо билдирилген эмес. Макаланын жарыяланышы University of Medicine and Pharmacy Carol Davilaнын “Publish not Perish” институционалдык программасы тарабынан колдоого алынган.

Маалыматтардын жеткиликтүүлүгү: Инсанды аныктоого мүмкүн болгон психиатриялык бейтаптардын үн жазуулары жана клиникалык маалыматтары купуялуулук жана макулдук шарттарына байланыштуу коомчулукка ачык эмес. Кайра калыбына келтирилүүчү үн мазмунун камтыбайт деп көрсөтүлгөн мел-спектрограмма өзгөчөлүк матрицалары, модель архитектурасынын коду жана үйрөтүү скрипттери тиешелүү этикалык жактыруу жана маалымат колдонуу келишими шарттарында жооптуу автордон негиздүү суроо-талап боюнча суралышы мүмкүн.

Кызыкчылыктардын кагылышы тууралуу билдирүү: Vlad Tau, Catalin Niculae жана George Florian Macarie изилдөө маалында тиешелүүлүгүнө жараша Eden Health SRL, Areus Technology жана Clinica PSIHOGER менен эмгек мамилесинде болушкан. Авторлор бул мекемелердин изилдөө жыйынтыктарында каржылык же коммерциялык кызыкчылыгы жок экенин билдиришкен. Башка авторлор коммерциялык же каржылык кызыкчылык кагылышын билдиришкен эмес.

Генеративдүү жасалма интеллект тууралуу билдирүү: Авторлор макала даярдалып жатканда Claude Opus 4.7ни текстти долбоорлоо/редакциялоо, адабият издөөсүн колдоо, библиографиялык metadataны текшерүү, айрым статистикалык эсептерди чечмелөөгө жардам берүү жана булактарды форматтоо үчүн колдонгонун билдиришкен. Курал; изилдөө дизайны, бейтаптарды тартуу, маек, баштапкы үн маалыматтарын талдоо, CNN моделин иштеп чыгуу же үйрөтүү жана сүрөт түзүү үчүн колдонулган эмес.

Негизги методологиялык чектөөлөр: 88 адамдык үлгү; 170.691 параметрлүү моделге карата жогорку параметр/бейтап катышы; тышкы валидациянын жоктугу; 59/29 класс тең салмаксыздыгы; олуттуу гендердик тең салмаксыздык; румын тилиндеги жана эки борбордон алынган гана маалымат; дары жазууларынын жоктугу; маек темасы жана маек алуучу таасирлери; MP3 жоготуулуу кысуу; чыныгы проспективдүү коркунучтун ордуна өткөн клиникалык окуя белгисинин колдонулушу; башка тилдерге жана борборлорго жалпылануунун текшерилбеши.

Булак ичиндеги кайра өндүрүмдүүлүк эскертүүсү: Метод бөлүмү 20 epoch, early stopping жок, data augmentation жок жана class weighting жок деп билдирсе; чектөөлөр бөлүмү 60 epochка жеткен үйрөтүү, SpecAugment, class-weighted training жана early stopping колдонуу жөнүндө сөз кылат. Бул карама-каршылык Verianla тарабынан үнсүз чечилген эмес; акыркы үйрөтүү протоколу булак коду же авторлордун түшүндүрмөсү менен ырасталышы керек.

Визуалды колдонуу эскертүүсү: Булактагы Сүрөт 1–6 түз көчүрүлгөн эмес. Мел-спектрограмма, CNN архитектурасы жана көрсөткүч маалыматтарынын илимий билдирүүлөрү көз карандысыз Verianla баяны жана кайра түзүлгөн HTML таблицалары аркылуу берилген.

Клиникалык колдонуу чеги: Бул изилдөөнүн модели диагноз койгон же өзүнчө өзүн-өзү өлтүрүү коркунучун аныктаган клиникалык курал катары валидделген эмес. Булактын өз мамилеси да системаны келечекте клиникалык чечимди колдоонун бир бөлүгү катары гана жайгаштырат.