Deneysel sistem, iç değerlendirmede yüksek doğruluk gösterse de araştırmacılar bunun tek başına tanı koyan bir araç olmadığını, yalnızca psikiyatri uzmanlarının klinik değerlendirmesine yardımcı olabilecek bir yaklaşım olarak görülmesi gerektiğini vurguluyor.
Ergenlerde majör depresif bozukluğun değerlendirilmesine destek sağlayabilecek konuşma tabanlı yeni bir yapay zekâ sistemi geliştirildi. Çin’de Güney Çin Teknoloji Üniversitesi, Guangzhou Tıp Üniversitesi’ne bağlı Beyin Hastanesi, Pazhou Laboratuvarı ve Gansu Eyalet Hastanesi araştırmacılarının ortaklaşa yürüttüğü çok merkezli çalışma, hakem değerlendirmesinden geçmiş uluslararası bir psikiyatri dergisinde yayımlandı. Araştırmada geliştirilen “Intelligent Mind Chatroom (IMC)” sistemi, ergenlerin konuşmalarındaki hem ses özelliklerini hem de kullandıkları dili birlikte analiz ederek majör depresif bozukluğun değerlendirilmesine katkı sağlayabilecek dijital göstergeler oluşturmayı hedefledi.[1]
131 ergenin konuşmaları analiz edildi
Araştırmaya 13 ile 18 yaş arasında toplam 131 ergen katıldı.[1]
Modelin geliştirilmesi ve iç değerlendirmesi için majör depresif bozukluk tanısı bulunan 56 ergen ile 56 sağlıklı katılımcının konuşma kayıtları kullanıldı. Bağımsız dış doğrulama aşamasında ise depresyon tanısı bulunan 19 farklı ergenin verileri incelendi.[1]
Tüm katılımcılar, eğitimli psikiyatri uzmanlarının gerçekleştirdiği yarı yapılandırılmış klinik görüşmelerden geçirildi. Yapay zekâ modeli bu değerlendirmelerin yerine değil, onlara yardımcı olacak şekilde geliştirildi.[1]
Konuşmanın hem içeriği hem de tonu değerlendirildi
Araştırmacılar katılımcılardan olumlu, olumsuz ve nötr içerikli üç yapılandırılmış konuşma görevi ile standart bir metni sesli okumalarını istedi.[1]
Bu kayıtlar üzerinden iki farklı veri grubu oluşturuldu. İlki; ses tonu, konuşma hızı, ritim ve akustik özellikleri içerirken, ikincisi kullanılan kelimeler ve dil yapılarından oluştu. Daha sonra bu iki bilgi kaynağını birleştiren hibrit bir yapay zekâ modeli geliştirildi.[1]
Böylece sistem yalnızca kişinin ne söylediğini değil, bunu nasıl söylediğini de birlikte değerlendirdi.
İç değerlendirmede yüzde 91 doğruluk elde edildi
Araştırmanın iç değerlendirme grubunda hibrit model yüzde 91 doğruluk oranına ulaştı.[1]
Modelin duyarlılık ve F1 skoru 0,91; depresyonu ayırt etme başarısını gösteren AUROC değeri ise 0,96 olarak hesaplandı. Kesinlik-duyarlılık eğrisi altında kalan alan 0,97, olasılık tahminlerinin doğruluğunu değerlendiren Brier skoru ise 0,09 olarak bildirildi.[1]
Araştırmacılar bunun dikkat çekici bir performans olduğunu belirtmekle birlikte, bu sonucun yalnızca modelin geliştirildiği 112 kişilik dengeli araştırma grubunda elde edildiğinin altını çizdi. Bu nedenle sonuçlar, sistemin gerçek yaşamda aynı başarıyla çalışacağını göstermiyor.[1]
Dış doğrulama umut verse de eksikler var
Bağımsız doğrulama grubunda yalnızca majör depresif bozukluk tanısı bulunan 19 ergen yer aldı.[1]
Model bu grupta yüzde 90 duyarlılık gösterdi. Ancak sağlıklı kontrol grubunun bulunmaması nedeniyle sistemin özgüllüğü, yanlış pozitif oranı ve sağlıklı bireyleri doğru ayırt etme başarısı hesaplanamadı.[1]
Bu nedenle dış doğrulama sonuçları, modelin tüm ergen nüfusunda güvenilir şekilde kullanılabileceğini kanıtlamıyor.[1]
Uzman değerlendirmesinin yerine geçmiyor
Araştırmacılar çalışmanın en önemli mesajlarından birinin, geliştirilen sistemin bağımsız bir tanı aracı olarak kullanılmaması gerektiği olduğunu belirtti.[1]
Psikiyatrik tanı hâlen ayrıntılı klinik görüşme ve uzman değerlendirmesine dayanıyor. Konuşma verilerinden elde edilen yapay zekâ analizlerinin ise gelecekte klinisyenlere ek bilgi sağlayabilecek yardımcı dijital biyobelirteçler arasında yer alabileceği değerlendiriliyor.[1]
Daha büyük çalışmalar gerekiyor
Araştırmanın en önemli sınırlılığı örneklem büyüklüğünün görece düşük olması olarak gösterildi.[1]
Ayrıca dış doğrulama grubunda sağlıklı katılımcıların bulunmaması, modelin gerçek klinik uygulamalardaki başarısını değerlendirmeyi zorlaştırıyor. Araştırmacılar, sistemin farklı ülkelerde, daha geniş ve bağımsız hasta gruplarında yeniden test edilmesi gerektiğini belirtiyor.[1]
Konuşma analizi ile yapay zekânın ruh sağlığı alanındaki kullanımına yönelik çalışmalar giderek artarken, uzmanlar bu teknolojilerin klinik kararın yerini alan değil, hekim değerlendirmesini destekleyen araçlar olarak geliştirilmesinin önemine dikkat çekiyor.[1]
Kaynaklar
[1] Wang C, Zhang X, Sun J ve ark. Detection of major depressive disorder in adolescents based on textual and acoustic features. Journal of Affective Disorders. 2026;396:120795. DOI: 10.1016/j.jad.2025.120795.
