紐約大學(NYU)醫學院與SRI International的研究人員采用統計機器學習(statistical machine learning)技術：隨機森林(random forest)算法與語音分析(speech analysis)平臺SenSay Analytics的部分功能，開發人工智能(AI)語音分析工具以支持創傷后壓力癥候群(PTSD)的臨床診斷。

　　分析語音的頻率、韻律、聲調、發音特征，可協助診斷創傷后壓力癥候群

　　據NYU Langone Health報導，PTSD的患者在遭逢觸發事件時會經歷強烈而持續的精神緊張癥狀，全球逾70%的成年人一生中曾經歷創傷事件，而部分艱困國家中的人民約12%正苦于PTSD。最常使用的診斷方式是透過臨床面談或自陳式(self-report)評估，不過兩者的結果都易受成見影響，因此必須找出可衡量、客觀、實際的PTSD發展指標，但迄今進展緩慢。

　　2019年4月22日NYU研究團隊以在線方式發表于Depression and Anxiety期刊的「美國退伍軍人PTSD語音標記(Speech-based markers for posttraumatic stress disorder in US veterans)」研究報告指出，分析退伍軍人說話的語音特征可用于協助診斷PTSD，NYU發展的AI語音分析軟件辨識PTSD患者的成功率達89%。

　　語音工具可提供非侵入式、低成本、可遠距操作等優勢，因此非常適合用于自動化診斷系統，例如集成至診斷PTSD的智能型手機App。NYU醫學院發表的研究并未探究導致PTSD的成因與機制，而是基于創傷事件會改變人腦控制情緒與肌肉張力的回路，進而影響其語音特征的理論，來開發PTSD臨床診斷AI工具。

　　運用隨機森林算法發展的AI程序，能夠基于實例學習處理個體分類，所建立的決策規則與數學模式，可隨訓練資料量增加而強化決策準確性。較不清晰的談話、沒有生氣且刺耳的語調，長久以來即被視為有助于辨識與診斷PTSD，NYU醫學院的研究團開發的隨機森林程序可為特定語音特征模式與PTSD癥狀建立連結作為診斷依據。

　　研究人員首先錄制數小時包括53名在服役時罹患PTSD癥狀與78名無PTSD癥狀的伊拉克與阿富汗退伍軍人的標準診斷面談，作為臨床醫師施行的PTSD衡量標準(Clinician-Administered PTSD Scale；CAPS)，接著將其輸入結合隨機森林與SRI International語音技術的AI軟件，從診斷面談中篩選出各種模式，共計擷取出40,526個語音相關的特征。

　　蘋果(Apple)的 Siri是由SRI International所開發，NYU醫學院研究團隊的AI PTSD診斷工具運用的語音分析技術，即是SRI International的語音分析平臺SenSay Analytics的部分功能。未來NYU醫學院研究團隊計畫用更多資料訓練AI語音工具以強化其功能，并進一步以獨立的樣本進行功能驗證，最終將向美國政府申請批準應用于醫療院所的臨床實際病例。

　　SenSay Analytics語音分析平臺分析語詞時會結合語音的頻率、韻律、聲調，以及發音的特征以推斷說話者的溝通質量、認知、情緒、生理與心理健康、情緒等狀態，相關技術已被Ambit、Decoded Health、Oto等新創應用于各種產業應用。NYU的研究團隊成員包括NYU醫學院的教授、NYU精神醫學系與SRI International的研究人員。

　　NYU這項研究計畫是由美國陸軍醫學研究采購活動(U.S. Army Medical Research Acquisition Activity；USAMRAA)組織及遠距醫療與先進技術研究中心(Telemedicine and Advanced Technology Research Center；TATRC)的W81XWH-ll-C-0004，以及Steven and Alexandra Cohen Foundation所資助。