长期以来，精神疾病的客观测量一直具有挑战性。然而，根据《哈佛精神病学评论》1 月/2 月号刊登的一篇文献综述，有充分的证据表明，言语模式分析可以准确诊断抑郁症和精神病、衡量其严重程度并预测其发作。

该综述检查了当前已发表的与使用语音模式分析管理精神疾病相关的文献，并确定了四个关键应用领域：诊断分类、严重程度评估、发作预测以及预后和治疗结果。达尔豪西大学精神病学和新斯科舍健康系医学博士 Rudolf Uher 及其同事 Katerina Dikaios 写道：“将多种语音特征结合在一起的模型可以高精度地区分患有精神疾病的说话者和健康对照者” Sheri Rempel，理学硕士，Sri Harsha Dumpala，理学硕士，Sageev Oore，博士和 Michael Kiefte，博士

自动化分析比访谈或问卷调查等主观措施更有希望

精神疾病的特征通常通过言语和语言呈现，精神病学临床评估应考虑患者说话的模式，例如速度、连贯性和内容。自然语言处理、语音识别和计算机科学的进步强调了一个事实，即使用语音分析作为一种客观的、临床的精神疾病测量是可能的。

研究小组审查了数百篇关于精神障碍患者的文章、论文和报告，这些文章、论文和报告讨论了他们言语的各个方面。案例研究和神经系统疾病患者的研究被排除在审查之外。其中包括分析参与者演讲转录的文章。

评论中包含的大多数研究讨论了在诊断中使用言语分析的重度抑郁症患者，他们的言语通常缓慢、充满停顿、内容消极且缺乏活力。其中，诊断准确率很高，在一项研究中超过 80%。

自动化分析在预测精神疾病的发作方面也很有效，尤其是在高危人群中。多项着眼于语音语义(包括连贯性和复杂性)的研究预测精神病会在两到两年半内发作，准确率高达 100%。然而，关于语音分析对预后和治疗结果的影响的文献有限，需要更多的研究。

重要的是，使用言语模式分析评估自杀风险似乎具有巨大潜力。最近的一项研究表明，测量不稳定频率、犹豫和紧张等变量可以在 73% 的情况下识别出有自杀意念的患者而不是健康患者。

语音差异，其他问题仍然存在

有许多因素，例如药物效应，以及人口和文化属性——语言、性别和性别等——可能导致说话模式的差异，并使将言语纳入客观疾病和结果评估变得具有挑战性。此外，作者建议任何进一步的研究都应该考虑不同时间的疾病状态，因为这里检查的大多数研究都着眼于目前患病的患者，而不是相似的模式是否会在症状之间长期存在。