憂鬱症是越來越受到世界各國重視且積極防治的一種複雜心理疾病，根據世界衛生組織（WHO）2023年的統計，全球約有2.8億人患有憂鬱症，佔據總人口比例約3.8%；其中女性的發病率高於男性，分別約6%與4%，而60歲以上中老年人憂鬱症的發病率更高，比例達到5.7%。在台灣，根據衛福部國民健康署的調查，全台約有8.9%的民眾有憂鬱症狀，這意味著有超過200萬人，其中正式診斷為憂鬱症的患者數量接近50萬人，並有逐年增加的趨勢。
憂鬱症不僅對個人心理健康構成威脅，影響患者的情緒，引發疲勞、認知功能下降等症狀，還可能導致生理健康問題，使罹患心血管疾病、糖尿病及失智症的風險增加。此外，憂鬱症對台灣整體經濟造成的間接成本，包括生產力下降及醫療費用，每年達到新台幣數百億元，凸顯出該問題的急迫性。目前憂鬱症診斷方法主要靠患者自述和臨床訪談，但令人憂心的是，以台灣本地來說，有憂鬱症狀的民眾僅約20%會主動尋求醫療協助，這可能與社會大眾對心理疾病的認知不足與負面印象有關，此外相關醫療資源也有分布不均的問題。因此，提升心理健康服務的可及性與便利性是首要目標，而人工智慧（AI）技術正為此提供新解。
以語音特徵模型與多模態AI解碼憂鬱症
一家德國公司audEERING專注於開發以聲學生物標記（biomarker）與AI分析為基礎的工具，來改善憂鬱症徵狀判別的準確度，並對聲音特徵與憂鬱症之間的關聯進行了深入研究。該公司的研究顯示，單調語音、音調變化減少和語言表達中的精神低落是憂鬱症的重要指標；與一般人相較，憂鬱症患者的語言表達會更容易出現長時間停頓，且語音能量顯著下降。這些細節以人類的聽覺可能不容易察覺，但透過專屬的AI分析模型，能夠更精準地擷取這些細微資訊，為醫療人員提供有效的診斷輔助。
德國公司audEERING以聲學生物標記與AI分析技術辨別聲音中的情緒成分。(圖片來源：audEERING)
audEERING採用eGeMAPS（Extended Geneva Minimalistic Acoustic Parameter Set）語音特徵參數構建模型，可捕捉患者語言表達中的情緒強度減弱現象，如愉悅感或憤怒表達的減少。未來，該技術可應用於多種心理健康問題的診斷輔助，例如多發性硬化症相關的情緒異常診斷。此外，該公司提出了遠端即時分析的構想，患者可透過手機或其他設備上傳語音數據至雲端，讓AI模型快速產生診斷結果。這不僅提升了心理健康篩檢的效率，也減輕了偏鄉地區醫療資源不足的困境。
另一家美國公司Aiberry則採用多模態AI技術，結合了語音與影像分析，利用手機APP機器人進行訪談，擷取受測者的語音特徵與臉部表情資料，結合深度學習演算法來預測憂鬱症狀的嚴重程度。根據該公司的實際研究結果顯示，該模型的診斷結果與傳統憂鬱症量表（如PHQ-9）高度相關，並且在90%的案例中與專家意見一致。Aiberry的APP簡單易用，號稱只要3到5分鐘時間即可完成篩檢，不僅減輕了醫療人員的負擔，也為偏鄉或資源有限地區的心理健康服務提供了便利。
Aiberry的APP簡單易用，號稱只要3到5分鐘時間即可完成篩檢。(圖片來源：Aiberry)
以AI照護心理健康的未來與挑戰
不過雖然AI工具能在憂鬱症的診斷過程中輔助患者表達心理困難，特別是對於不願主動求助的患者具有重要意義，卻不能完全取代專業的醫療人員，AI可以作為輔助工具，無法完全取代專業心理治療。還有特別需要注意的是，儘管AI技術在心理健康篩檢與治療中的應用潛力巨大，隱私保護與倫理問題仍需優先解決。
個人語音與影像資料屬於高度敏感資訊，需遵守嚴格的隱私保護法規，例如歐盟的GDPR及台灣的《個人資料保護法》。無論是audEERING還是Aiberry，都強調其技術符合國際隱私標準，並在診斷過程中加入專業人員的監督。
未來，隨著AI技術的不斷進步，心理健康篩檢的效率與普及性將持續提升。結合audEERING的語音分析、Aiberry的多模態模型， AI將在心理健康領域發揮越來越重要的作用。這些創新技術不僅能改善憂鬱症篩檢與治療的便捷性，更能補強醫療資源分配不均的困境，為提升全球及台灣的心理健康水準做出貢獻。
