expand_lessAPRI WIDGET

Inquadramento dei disturbi depressivi tramite le componenti emotive della voce

Uno studio molto recente ha sviluppato un metodo per misurare i disturbi dell'umore usando le componenti emotive contenute nelle tracce vocali dei soggetti

Di Lorenza Paponetti

Pubblicato il 18 Gen. 2022

Aggiornato il 21 Gen. 2022 11:54

I disturbi dell’umore sono diventati sempre più frequenti e rappresentano un problema nei Paesi sviluppati anche a causa dell’enorme dispendio economico dovuto ai costi per le cure.

 

I test psicologici somministrati, come ad esempio il General Health Questionnaire (GHQ) (Goldberg, 1978) e il Beck Depression Inventory (BDI) (Beck, 1961), o i metodi che analizzano lo stress tramite biomarcatori nella saliva (Takai et al., 2004) e nel sangue (Suzuki et al., 2014) non sono sempre convenienti a causa dei costi elevati e degli oneri che comportano per i partecipanti durante la raccolta dei campioni.

A causa di questi limiti, e grazie alla diffusione degli smartphone, l’analisi della patologia attraverso dati vocali è diventata sempre più popolare (Arora et al., 2015; Lu et al., 2012). Questo tipo di analisi possiede vantaggi da non trascurare come ad esempio la sua non invasività e la sua disponibilità nell’essere eseguita anche da remoto, dato che non richiede dispositivi specifici.

Disturbi dell’umore e dati vocali

La relazione tra i disturbi dell’umore e la componente vocale è già stata studiata precedentemente; alcuni autori hanno, ad esempio, analizzato la velocità del parlato oppure le pause nei discorsi di pazienti con depressione (Cannizzaro et al., 2004; Mundt et al., 2007). Vicsi et al. (2012), tramite l’analisi di frequenza, hanno dimostrato che il tremolio vocale dei pazienti con depressione era superiore a quello di persone sane. D’altronde, la voce di una persona depressa è generalmente descritta come monotona e senza vitalità, e gli ascoltatori stessi possono percepirne la prosodia (Sobin & Sackeim, 1997).

Uno studio molto recente (Shinohara et al., 2021) ha sviluppato un metodo per misurare i disturbi dell’umore usando le componenti emotive contenute nelle tracce vocali dei soggetti, ponendo quindi un focus sulla relazione tra disturbo dell’umore ed emozioni.

Gli autori hanno raccolto dati vocali in due categorie di persone: 14 individui sani e 30 pazienti con diagnosi di Disturbo Depressivo Maggiore secondo il Manuale Diagnostico e Statistico dei Disturbi Mentali (DSM-5 – APA, 2013).

La raccolta dei dati vocali per i partecipanti sani è stata ottenuta tramite la lettura di frasi precedentemente stabilite. Per i pazienti con diagnosi di depressione, la raccolta dei dati vocali è stata ottenuta tramite dei colloqui psicologici, durante i quali è stata valutata la gravità della depressione utilizzando la Hamilton Rating Scale for Depression (HAM-D) (Hamilton, 1967), test utilizzato per quantificare oggettivamente lo stato depressivo di un individuo.

Un software specifico è stato utilizzato per estrarre le emozioni dalle voci dei soggetti, riuscendo ad identificare come elementi emotivi “rabbia”, “gioia”, “dolore”, “calma” ed “eccitazione”. L’intensità di ogni emozione è stata rappresentata con un valore intero compreso tra 0 e 10. Un valore pari a 0 implica che il discorso non contiene emozione, mentre un valore pari a 10 implica un contenuto emotivo molto alto.

Il metodo si basava su due indicatori all’interno della voce: vitalità e attività mentale. La vitalità è generalmente bassa per i pazienti con malattie come la depressione, mentre risulta essere alta negli individui sani. La principale differenza tra vitalità e attività mentale è la durata della misurazione: la vitalità è calcolata tramite le componenti emotive della voce (calma, rabbia, gioia, dolore ed eccitazione) basate su dati vocali a breve termine, come una singola conversazione telefonica o una visita in ospedale. L’attività mentale, invece, viene calcolata sulla base dei dati di vitalità accumulati in un certo periodo.

Disturbi dell’umore e dati vocali: i risultati

I risultati mostrano che è stata riscontrata una correlazione negativa tra la vitalità e il punteggio HAM-D (cioè gravità della depressione valutata da un medico). Inoltre, l’indicatore di vitalità ci ha permesso di discriminare i dati vocali di individui sani e pazienti con depressione con un’elevata precisione. Questo suggerisce la possibilità di misurare gli effetti del trattamento in base all’indice di vitalità ottenuto tramite la raccolta di dati vocali. È stata riscontrata anche una differenza significativa tra gli indici di vitalità media di soggetti con depressione severa e gli indici di vitalità media dei soggetti con depressione lieve, e una differenza significativa tra la vitalità media del gruppo con basso rischio di suicidio e il gruppo con alto rischio di suicidio.

Grazie a questo progetto, gli autori hanno inoltre sviluppato un’applicazione per smartphone chiamata Mind Monitoring System (MIMOSYS). Attualmente sono in atto degli esperimenti dimostrativi in tutto il mondo utilizzando il MIMOSYS (Shinohara et al., 2017).

Riassumendo, la vitalità e l’attività mentale rappresentano un metodo utile per misurare i disturbi dell’umore dalla voce e presentano molti vantaggi da non trascurare, come la non invasività e la loro economicità rispetto ai test autosomministrati come il GHQ-30 e BDI e metodi di controllo dello stress utilizzando saliva e sangue. Inoltre, tramite il loro utilizzo, è possibile registrare facilmente i cambiamenti di stato giornalieri tramite smartphone o altri dispositivi simili.

Mediante il monitoraggio quotidiano della vitalità e dell’attività mentale, utilizzando il MIMOSYS, si possono incoraggiare le persone a svolgere visite ospedaliere prima che i sintomi si concretizzino in una diagnosi di depressione oppure durante le prime fasi della depressione stessa. Oltre ad un miglioramento del servizio offerto ai cittadini, questo nuovo metodo potrebbe portare a una riduzione della perdita economica causata dai costi del trattamento.

 

Si parla di:
Categorie
RIFERIMENTI BIBLIOGRAFICI
  • American Psychiatric Association, D. S., & American Psychiatric Association. (2013). Diagnostic and statistical manual of mental disorders: DSM-5.
  • Arora, S., Venkataraman, V., Zhan, A., Donohue, S., Biglan, K. M., Dorsey, E. R., & Little, M. A. (2015). Detecting and monitoring the symptoms of Parkinson's disease using smartphones: A pilot study. Parkinsonism & related disorders, 21(6), 650-653.
  • Beck, A. T. (1961). A systematic investigation of depression. Comprehensive psychiatry, 2(3), 163-170.
  • Cannizzaro, M., Harel, B., Reilly, N., Chappell, P., & Snyder, P. J. (2004). Voice acoustical measurement of the severity of major depression. Brain and cognition, 56(1), 30-35.
  • Goldberg, D. Manual of the General Health Questionnaire; NFER Nelson: Windsor, UK, 1978.
  • Hamilton, M. A. X. (1967). Development of a rating scale for primary depressive illness. British journal of social and clinical psychology, 6(4), 278-296.
  • Lu, H., Frauendorfer, D., Rabbi, M., Mast, M. S., Chittaranjan, G. T., Campbell, A. T., ... & Choudhury, T. (2012, September). Stresssense: Detecting stress in unconstrained acoustic environments using smartphones. In Proceedings of the 2012 ACM conference on ubiquitous computing (pp. 351-360).
  • Mundt, J. C., Snyder, P. J., Cannizzaro, M. S., Chappie, K., & Geralts, D. S. (2007). Voice acoustic measures of depression severity and treatment response collected via interactive voice response (IVR) technology. Journal of neurolinguistics, 20(1), 50-64.
  • Shinohara, S., Nakamura, M., Omiya, Y., Higuchi, M., Hagiwara, N., Mitsuyoshi, S., ... & Tokuno, S. (2021). Depressive mood assessment method based on emotion level derived from voice: comparison of voice features of individuals with major depressive disorders and healthy controls. International journal of environmental research and public health, 18(10), 5435.
  • Shinohara, S., Omiya, Y., Hagiwara, N., Nakamura, M., Higuchi, M., Kirita, T., ... & Tokuno, S. (2017). Case studies of utilization of the mind monitoring system (MIMOSYS) using voice and its future prospects. ESMSJ, 7, 7-12. Available here.
  • Sobin, C., & Sackeim, H. A. (1997). Psychomotor symptoms of depression. American Journal of Psychiatry, 154(1), 4-17.
  • Suzuki, G., Tokuno, S., Nibuya, M., Ishida, T., Yamamoto, T., Mukai, Y., ... & Shimizu, K. (2014). Decreased plasma brain-derived neurotrophic factor and vascular endothelial growth factor concentrations during military training. PLoS One, 9(2), e89455.
  • Takai, N., Yamaguchi, M., Aragaki, T., Eto, K., Uchihashi, K., & Nishikawa, Y. (2004). Effect of psychological stress on the salivary cortisol and amylase levels in healthy young adults. Archives of oral biology, 49(12), 963-968.
  • Vicsi, K., Sztahó, D., & Kiss, G. (2012, December). Examination of the sensitivity of acoustic-phonetic parameters of speech to depression. In 2012 IEEE 3rd International Conference on Cognitive Infocommunications (CogInfoCom) (pp. 511-515). IEEE.
CONSIGLIATO DALLA REDAZIONE
Depressione: gli effetti della dieta mediterranea sulla sintomatologia
Il ruolo della dieta mediterranea nella salute mentale e sui sintomi depressivi

Un recente studio ha indagato l’impatto della dieta mediterranea sul miglioramento di salute mentale e qualità della vita in soggetti con depressione

ARTICOLI CORRELATI
Più tristi ma più realisti?

Uno studio del 1979 ha indagato il realismo depressivo (l’associazione tra stati depressivi e maggior realismo) ma uno studio più recente è giunto a risultati differenti

Stress e depressione possono essere trasmessi epigeneticamente dalla coppia genitoriale?

L'epigenetica sta mettendo in luce come le alterazioni biologiche e comportamentali post traumatiche possono essere trasmesse alla prole

WordPress Ads
cancel