抑郁癥越來越變成一個常見詞，很多普通人心情不好時就稱自己得了抑郁癥。不過即便對醫生來說，診斷也不是件容易的事。而南加州大學的研究人員開發出的機器學習工具，或許能讓診斷變得更容易也客觀。

這個工具名為SimSensei，它會在訪談中記錄患者的聲音，檢測出元音表達是否減少，因為這是心理及神經紊亂中的常見特征，但對人類來說很難察覺。這種方法雖然不能取代人類診斷，但也提供了一個客觀標準。

抑郁癥誤診是一個很大的問題，2009年一個綜述研究發現，5萬名患者中僅一半被正確做出診斷，誤報與漏報比更是達到3:1。原因有二：一是誤診比沒有診斷更安全，二是確定無疑地排除任何診斷的可能性都需要更多專業知識。

對抑郁癥來說，它又是一種異質性疾病，病因多樣，表現形式也不同。再加上醫生一周可能要見數百名狀況不一、描述也不一的患者，那誤診可以說是情有可原了。這也是為什么SimSensei這樣的工具能發揮更大作用。

此前的調查發現，抑郁癥患者的情感更平淡消極，語音變化會減少，音量和單調更單調，說話也會減少，而且吐字不清，停頓變長。另外，抑郁癥患者的聲道和聲帶更緊張。機器學習很適合解決這類問題，能從噪音數據中進行預測，而且語音分析也是這一領域的重要話題。

原理很簡單，將患者的語音處理成只剩元音，然后分析元音a/i/u的第一和第二共振峰（譜峰）。最后就是使用k-means算法進行處理，這一算法也挺老了，出現于1967年，原理是圍繞一定的平均值將數據集分為不同的類。

聚類的結果是一個三角圖，各角分別代表元音的譜峰。三角內的區域代表了元音空間，將它與一個用作對比的標準元音空間進行對比，所得的比例就能用于抑郁診斷。

SimSensei的效果也得到了證明，而且結果表明，在語音數據有限的情況下效果也不錯，這表明它具備了一定的實用性。