心理治疗师常常会用“谈话疗法”来帮助患者克服抑郁症或焦虑症。

麻省理工学院的一个研究小组正在利用深度学习来研究所谓的“谈话诊断”——通过分析病人的讲话来发现他们抑郁的迹象。

这项研究可以有效且低成本地诊断严重的精神健康问题。

据美国国家心理健康研究所(National Institute of Mental Health) 称，在美国，每年在每15名成年人中就有一人经历过一次严重的抑郁症。这种情况可能会导致一个人的生活受到严重的干扰，但人们对抑郁症的的理解仍然有限。

用来识别抑郁症的手段通常是由心理健康专家直接提问，然后再得出专业的结论。

麻省理工学院的研究助理、计算机科学博士候选人Tuka Alhanai说，在未来，这些有针对性的评估可能不那么必要了。她希望她的团队可以为人们心理健康的持续监测做出贡献。

获得好的数据是开始深度学习的关键。

这正是Alhanai和她的团队在训练模型时遇到的挑战。她会专门从一些抑郁症患者的谈话中获取数据集。

最后，她找到了来自南加州大学(University of Southern California)的一名研究人员。该大学与德国研究人员合作，对180人进行了采访，其中20%的人有抑郁症状。访谈包括20分钟的问题，内容包括受访者住在哪里，他们的朋友是谁，以及他们是否感到抑郁。

研究人员认为抑郁症实际上可以通过语言模式和词汇来检测，这使Alhanai受到了启发，但她想实现更进一步的研究，即摒弃那些具有引导性和预测性的问题，而是通过训练一个模型，在日常对话中检测抑郁症。

她说：“数据中有重要的信号，通过倾听整个谈话来获取讲话的轨迹，并把它们放在更大的语境中去分析，可以提示人们是否患有抑郁症。“

Alhanai和她的团队将运行40多个NVIDIA Titan X GPU的一组机器的处理能力与TensorFlow、Kera和cuDNN深度学习库相结合，并开始对其模型进行训练。

他们去掉了那些有明显抑郁症倾向的问题，用数据集中的访谈片段，让模型来判断是否存在抑郁线索。他们会分别提供给模型一个健康的人和一个抑郁症患者的谈话，并让模型来区分他们。

经过一系列这样的训练后，研究人员会给模型输入另一段对话，并要求它判断是否存在抑郁的迹象。这个团队用这种方式训练了几十个模型，Alhanai说，如果没有GPU，他们是不可能完成这些工作的。

最终，训练结果是该小组的模型在推理过程中以超过70%的准确率从正常对话中识别出抑郁倾向，这与心理健康专家诊断的结果基本吻合。他们的每个实验都会在一个TITAN X上进行。

该团队在最近在Interspeech会议上提交的一篇论文中报告了他们的研究结果，现在正准备将这项工作推向下一个阶段。

“这项工作非常令人鼓舞 ” Alhanai说 “虽然这些系统现在还只是处于评估阶段，所有的测试也都是以评估系统为目的，而非真正的临床应用。但是，这样的系统评估工作可以帮助我们收集到更多数据，从而使整个系统更加稳健。” 

她的长远目标是希望能够借助深度学习来分析全部的交流信息，而非局限于分析语言，从而实现其它心理问题的诊断和管理工作。

她说：“无论是什么信号，语音、书写、下颌运动，或者是肌肉紧张…任何你能在言语、思想或者手势中能听到或感觉到的情况，机器都能够确定。”这将是一种不需要通过器械进入人体就可以被检测到的方式。