DOI: https://doi.org/10.1038/s43856-025-01326-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41639246
تاريخ النشر: 2026-02-04
المؤلف: June-Woo Kim وآخرون
الموضوع الرئيسي: الصحة النفسية من خلال الكتابة
نظرة عامة
تبحث هذه الدراسة في استخدام المؤشرات الحيوية الصوتية لتقييم استجابة العلاج لدى المراهقين المصابين باضطراب الاكتئاب الشديد (MDD). على عكس الأبحاث السابقة التي اعتمدت على تحليلات مقطعية لعينات كلام فردية، تركز هذه الدراسة على التغيرات داخل المريض على مدار فترة العلاج. قدم 48 مراهقًا مصابًا بـ MDD عينات صوتية قبل وبعد العلاج. افترض الباحثون أن نماذج التعلم العميق يمكن أن تكشف بشكل فعال عن التغيرات السريرية المهمة في حالات الاكتئاب أثناء العلاج. قدموا طريقة تحليل حالة الاكتئاب المعتمدة على الصوت المزدوج (DVDSA) لتصنيف التغيرات في حالات الاكتئاب على أنها تعافي، تدهور، أو غير متغيرة.
كشفت النتائج أن التردد الأساسي فقط أظهر تغييرات ملحوظة بين حالات ما قبل وما بعد العلاج بعد تطبيق تصحيح هولم-بونفيروني. بينما حققت نماذج التعلم الآلي أقصى درجة F1 تبلغ 65.83% في تمييز حالات العلاج، تفوقت نموذج التعلم العميق WavLM بدرجة F1 تبلغ 78.05% في التصنيف الثنائي. علاوة على ذلك، عند تطبيقها على طريقة DVDSA، حافظت WavLM على أداء قوي بدرجة F1 تبلغ 70.58%. تشير هذه النتائج إلى أن الأساليب التقليدية للتعلم الآلي والميزات الصوتية الفردية قد تكون غير كافية لالتقاط التغيرات المتعلقة بالعلاج في MDD. تسلط الدراسة الضوء على إمكانيات نماذج التعلم العميق، وخاصة من خلال طريقة DVDSA، لتعزيز استراتيجيات العلاج الشخصية للمرضى المراهقين المصابين بـ MDD.
مقدمة
**مقدمة**
يؤثر اضطراب الاكتئاب الشديد (MDD) بشكل كبير على الأطفال والمراهقين، حيث تتراوح معدلات الانتشار بين 3% و8%. يواجه هذا الفئة العمرية إعاقات وظيفية شديدة، وزيادة خطر الانتحار، وزيادة فرص الانتكاس في مرحلة البلوغ. استجابة العلاج المبكرة أمر حاسم، حيث يظهر المراهقون معدلات استجابة أولية أقل للأدوية المضادة للاكتئاب مقارنة بالبالغين. يختلف شبكة أعراض الاكتئاب لدى المراهقين هيكليًا وفي القوة عن تلك الخاصة بالمرضى الأكبر سنًا، مما يبرز الحاجة إلى تدخلات مخصصة. توصي الإرشادات العلاجية الحالية بالتدخل المبكر وتقترح استكشاف استراتيجيات بديلة ومجمعة بسبب التحديات الفريدة التي تواجهها الفئات العمرية الأصغر.
أدت التقدمات الأخيرة في فهم الآليات العصبية لـ MDD إلى استكشاف المؤشرات الحيوية الرقمية، وخاصة المؤشرات الحيوية الصوتية، كأدوات فعالة من حيث التكلفة وسهلة الوصول لتقييم استجابة العلاج. يمكن جمع هذه المؤشرات عن بُعد وتوفير بيانات موضوعية، مما يجعلها ميزة على الطرق التقليدية التي تعتمد على المعدات المتخصصة. بينما أظهرت الدراسات السابقة وعدًا في استخدام نماذج الذكاء الاصطناعي (AI) لتحليل بيانات الصوت لتشخيص الاكتئاب، لا يزال هناك فجوة كبيرة في الأبحاث الطولية التي تركز على استجابة العلاج لدى المراهقين. تفترض هذه الدراسة أن خصائص الصوت لدى المرضى المراهقين المصابين بـ MDD ستتغير بعد العلاج وأن نماذج التعلم العميق ستتفوق على الأساليب التقليدية للتعلم الآلي في اكتشاف هذه التغيرات. تشير النتائج إلى أن تقنيات التعلم العميق يمكن أن تحدد بشكل فعال التغيرات المتعلقة بالعلاج في الصوت، مما يوفر طريقًا جديدًا لمراقبة الاكتئاب لدى المراهقين.
النتائج
في قسم النتائج، تقيم الدراسة أداء التصنيف الثنائي لنماذج التعلم الآلي التقليدية باستخدام الميزات الصوتية المستخرجة لتمييز بين حالات ما قبل وما بعد في عينات الصوت. تم الإبلاغ عن خمسة مقاييس تقييم—الدقة (Acc)، المساحة تحت المنحنى (AUC)، الدقة، الاسترجاع، ودرجة F1—لتحليل مقارن. من الجدير بالذكر أن نماذج آلة الدعم (SVM) والانحدار اللوجستي (LR) حققت أعلى درجات F1 لها بنسبة 63.54% و64.57%، على التوالي، باستخدام ميزة التردد الطيفي اللوغاريتمي، بينما حقق نموذج الغابة العشوائية (RF) أداءً متوسطًا قدره 65.83% باستخدام ميزة Fbank اللوغاريتمية. ومع ذلك، أظهرت النماذج ميلاً للتنبؤ بأن المرضى في الغالب في حالة ما قبل، مما يشير إلى تدريب غير فعال. أدى دمج خمس ميزات صوتية هامة إلى أداء قابل للمقارنة مع أفضل نماذج الميزات الفردية ولكن لم يعزز النتائج بشكل كبير.
نظرًا لقيود النماذج التقليدية، انتقلت الدراسة للتركيز على أساليب التعلم العميق باستخدام طريقة DVDSA. تم تدريب ثلاثة نماذج مسبقة التدريب ذاتية الإشراف—wav2vec2.0، HuBERT، وWavLM—بدرجات F1 تبلغ 59.85%، 58.24%، و70.58%، على التوالي. أظهرت WavLM أعلى أداء وأكثر اتساقًا عبر كل من المهام الثنائية وDVDSA، مما يبرز قوتها في تحليل الصوت. على الرغم من أن طريقة DVDSA كانت تهدف إلى تصنيف ثلاثي أكثر تعقيدًا، إلا أن أدائها كان أقل قليلاً فقط من مهام التصنيف الثنائي، مما يشير إلى قدرة النموذج على التكيف بشكل فعال. تم استخدام مقاييس التقييم لمهمة DVDSA باستخدام المتوسطات الماكرو لـ AUC، الدقة، الاسترجاع، ودرجة F1.
المناقشة
في هذه الدراسة، تم تجنيد المشاركين الذين تم تشخيصهم باضطراب الاكتئاب الشديد (MDD) من مستشفى وونكوانغ الجامعي، مع مجموعة نهائية من 48 مريضًا (15 ذكور، 33 إناث؛ متوسط العمر 15.5 سنة). أظهر جميع المشاركين استجابة سريرية ملحوظة للعلاج، والتي تم تعريفها بأنها تقليل بنسبة 50% على الأقل في أعراض الاكتئاب. تم تحليل تسجيلات الصوت قبل وبعد العلاج، مما كشف عن تحسينات ملحوظة في شدة الاكتئاب كما تم قياسها بواسطة مقياس دراسات الاكتئاب الوبائية للأطفال (CES-DC) والانطباع السريري العالمي – الشدة (CGI-S)، حيث حقق 97.92% من المرضى استجابة ذات دلالة سريرية. من الجدير بالذكر أن الغالبية العظمى من المرضى انتقلوا من تصنيفات معتدلة أو شديدة في حالة ما قبل إلى لا شيء أو خفيفة في حالة ما بعد.
استكشفت الدراسة أيضًا إمكانية الميزات الصوتية كعلامات حيوية لمراقبة شدة الاكتئاب واستجابة العلاج. تم جمع تسجيلات الصوت أثناء اختبار ستروب، وتم استخراج ميزات صوتية متنوعة للتحليل. تمت مقارنة نماذج التعلم الآلي، بما في ذلك آلة الدعم (SVM)، والانحدار اللوجستي (LR)، والغابة العشوائية (RF)، مع أساليب التعلم العميق باستخدام نماذج مسبقة التدريب ذاتية الإشراف مثل WavLM، التي تفوقت على الطرق التقليدية عبر مقاييس متعددة، محققة درجة F1 تبلغ 78.05%. تشير النتائج إلى أن نماذج التعلم العميق، وخاصة WavLM، أكثر فعالية في التقاط التغيرات الصوتية المرتبطة باستجابة العلاج في MDD، مما يبرز إمكانياتها للمراقبة الشخصية لحالات الاكتئاب.
DOI: https://doi.org/10.1038/s43856-025-01326-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41639246
Publication Date: 2026-02-04
Author(s): June-Woo Kim et al.
Primary Topic: Mental Health via Writing
Overview
This study investigates the use of voice-based biomarkers to assess treatment response in adolescents with Major Depressive Disorder (MDD). Unlike previous research that relied on cross-sectional analyses of single speech samples, this study focuses on intra-patient changes over the treatment period. A total of 48 adolescent MDD patients provided pre- and post-treatment voice samples. The researchers hypothesized that deep learning models could effectively detect clinically significant changes in depressive states during treatment. They introduced the Dual Voice-based Depressive State Analysis (DVDSA) method to classify changes in depressive states as recovery, worsening, or unchanged.
The results revealed that only the fundamental frequency showed significant changes between pre- and post-treatment states after applying Holm-Bonferroni correction. While machine learning models achieved a maximum F1-score of 65.83% in distinguishing treatment states, the deep learning model WavLM outperformed with an F1-score of 78.05% in binary classification. Furthermore, when applied to the DVDSA method, WavLM maintained robust performance with an F1-score of 70.58%. These findings indicate that traditional machine learning approaches and individual acoustic features may be inadequate for capturing treatment-related changes in MDD. The study highlights the potential of deep learning models, particularly through the DVDSA method, to enhance personalized treatment strategies for adolescent patients with MDD.
Introduction
**Introduction**
Major depressive disorder (MDD) significantly impacts children and adolescents, with prevalence rates between 3% and 8%. This demographic faces severe functional impairments, heightened suicide risk, and increased chances of recurrence in adulthood. Early treatment response is critical, as adolescents show lower initial response rates to first-line antidepressants compared to adults. The symptom network of adolescent depression differs structurally and in strength from that of older patients, highlighting the need for tailored interventions. Current treatment guidelines advocate for early intervention and suggest exploring alternative and combination strategies due to the unique challenges faced by younger populations.
Recent advancements in understanding the neural mechanisms of MDD have led to the exploration of digital biomarkers, particularly voice biomarkers, as cost-effective and accessible tools for assessing treatment response. These biomarkers can be collected remotely and provide objective data, making them advantageous over traditional methods reliant on specialized equipment. While previous studies have shown promise in using artificial intelligence (AI) models to analyze voice data for diagnosing depression, there remains a significant gap in longitudinal research focused on treatment response in adolescents. This study hypothesizes that voice characteristics in adolescent MDD patients will change post-treatment and that deep learning models will outperform traditional machine learning approaches in detecting these variations. The findings suggest that deep learning techniques can effectively identify treatment-related changes in voice, offering a novel avenue for monitoring adolescent depression.
Results
In the results section, the study evaluates the binary classification performance of traditional machine learning models using extracted acoustic features to distinguish between Pre and Post conditions in voice samples. Five evaluation metrics—accuracy (Acc), Area Under the Curve (AUC), Precision, Recall, and F1 score—are reported for comparative analysis. Notably, the Support Vector Machine (SVM) and Logistic Regression (LR) models achieved their highest F1-scores of 63.54% and 64.57%, respectively, using the log spectral tempo feature, while the Random Forest (RF) model reached an average performance of 65.83% with the log Fbank feature. However, the models exhibited a tendency to predict patients predominantly as being in the Pre condition, indicating ineffective training. Combining five significant acoustic features yielded performance comparable to the best single-feature models but did not significantly enhance results.
Given the limitations of traditional models, the study shifted focus to deep learning approaches using the DVDSA method. Three self-supervised pretrained models—wav2vec2.0, HuBERT, and WavLM—were trained, with F1-scores of 59.85%, 58.24%, and 70.58%, respectively. WavLM demonstrated the highest and most consistent performance across both binary and DVDSA tasks, highlighting its robustness in voice analysis. Despite the DVDSA method being intended for a more complex three-class classification, its performance was only slightly lower than that of the binary classification tasks, suggesting effective adaptability of the model. Evaluation metrics for the DVDSA task employed macro-averaging for AUC, precision, recall, and F1 score.
Discussion
In this study, participants diagnosed with Major Depressive Disorder (MDD) were recruited from Wonkwang University Hospital, with a final cohort of 48 patients (15 males, 33 females; mean age 15.5 years). All participants showed a clinically significant response to treatment, defined as at least a 50% reduction in depressive symptoms. Pre- and post-treatment voice recordings were analyzed, revealing significant improvements in depression severity as measured by the Center for Epidemiological Studies Depression Scale for Children (CES-DC) and Clinical Global Impression – Severity (CGI-S), with 97.92% of patients achieving a clinically meaningful response. Notably, the majority of patients shifted from moderate or severe classifications in the Pre condition to none or mild in the Post condition.
The study also explored the potential of vocal acoustic features as biomarkers for monitoring depression severity and treatment response. Voice recordings were collected during a Stroop test, and various acoustic features were extracted for analysis. Machine learning models, including Support Vector Machine (SVM), Logistic Regression (LR), and Random Forest (RF), were compared with deep learning approaches using self-supervised pretrained models like WavLM, which outperformed traditional methods across multiple metrics, achieving an F1-score of 78.05%. The findings suggest that deep learning models, particularly WavLM, are more effective in capturing the acoustic changes associated with treatment response in MDD, highlighting their potential for personalized monitoring of depressive states.