TY - JOUR AU - Abbas, Anzar AU - Hansen, Bryan J AU - Koesmahargyo, Vidya AU - Yadav, Vijay AU - Rosenfield, Paul J AU - Patil, Omkar AU - Dockendorf, Marissa F AU - Moyer, Matthew AU - Shipley, Lisa A AU - Perez-Rodriguez, M Mercedez AU - Galatzer-Levy, Isaac R PY - 2022 DA - 2022/1/21 TI -基于远程智能手机评估的精神分裂症面部和声音标记:观察性研究JO - JMIR Form Res SP - e26276 VL - 6 IS - 1 KW -数字生物标志物KW -表型KW -计算机视觉KW -面部表情KW -阴性症状KW -声音声学AB -背景:基于机器学习的面部和声音测量已经证明与精神分裂症的诊断和严重程度有关。展示在受控实验或临床环境之外进行的远程和自动化评估的效用和有效性，有助于扩大此类测量工具的规模，以帮助风险评估和追踪难以参与的人群的治疗反应。目的:本研究旨在确定通过智能手机远程自动评估获得的基于机器学习的面部和声音测量的准确性。方法:对20名精神分裂症患者进行为期2周的面部和声音特征测量，包括面部表情、声音声学和语言流行程度，以回应先前在实验室评估中使用的两类提示:诱发提示，其中受试者被引导产生特定的面部表情和语言;自发提示，即以情感唤起意象的形式呈现刺激，并要求受试者自由回应。使用阳性和阴性综合征量表评估面部和声音测量与精神分裂症症状严重程度的关系。结果:包括言语流行率、声音抖动、基频和声音强度在内的声音标记显示出作为阴性症状严重程度标记的特异性，而面部表情的测量显示其本身是整体精神分裂症症状严重程度的稳健标记。结论:通过智能手机远程收集精神分裂症患者的面部和声音测量，以响应自动任务提示，证明了作为精神分裂症症状严重程度标记的准确性。讨论了临床意义。 SN - 2561-326X UR - https://formative.www.mybigtv.com/2022/1/e26276 UR - https://doi.org/10.2196/26276 UR - http://www.ncbi.nlm.nih.gov/pubmed/35060906 DO - 10.2196/26276 ID - info:doi/10.2196/26276 ER -