Kunstmatige intelligentie (AI) kan op basis van WhatsApp-spraakberichten met redelijke tot hoge nauwkeurigheid onderscheid maken tussen mensen met en zonder depressie. Vooral bij vrouwen scoren AI-toepassingen goed, met nauwkeurigheden tot boven de 90 procent. De technologie is vergelijkbaar met bestaande screeningsvragenlijsten, maar kan laagdrempeliger worden ingezet. Tegelijkertijd is de toepasbaarheid nog beperkt door onder meer taalverschillen, een relatief kleine onderzoeksgroep en verschillen tussen mannen en vrouwen. Dat blijkt uit een studie gepubliceerd in het wetenschappelijke tijdschrift PLOS Mental Health.
Depressie is wereldwijd een veelvoorkomende aandoening met grote gevolgen voor het dagelijks functioneren, werk en sociale relaties. Toch wordt de aandoening vaak niet of pas laat herkend. Diagnostiek is grotendeels gebaseerd op gesprekken en vragenlijsten, waarvoor tijd en gespecialiseerde kennis nodig zijn. Het ontbreken van objectieve, eenvoudig toepasbare meetinstrumenten speelt daarbij een belangrijke rol.
Analyse stemgeluid via WhatsApp
De bij de studie betrokken onderzoekers onderzochten of stemgeluid kan dienen als een zogeheten digitale biomarker voor depressie. Daarbij is gebruikgemaakt van spraakberichten die deelnemers via WhatsApp verstuurden, in plaats van gecontroleerde opnames in een laboratorium. Dat maakt de resultaten relevant voor dagelijks gebruik.
In totaal werden spraakberichten verzameld van 160 volwassenen in Brazilië, waaronder mensen met een vastgestelde depressie en gezonde controles. De deelnemers stuurden zowel vrije spraakberichten (bijvoorbeeld een beschrijving van hun week) als korte, neutrale opnames, zoals het tellen van één tot tien. De opnames zijn geanalyseerd met zeven verschillende machine-learningmodellen, op basis van 68 akoestische kenmerken zoals toonhoogte, ritme en variatie in stemgebruik.
Verschillen tussen mannen en vrouwen
Uit de resultaten blijkt dat AI bij vrouwen duidelijk beter presteert dan bij mannen. Bij vrouwen werd een nauwkeurigheid van ruim 90 procent bereikt, terwijl dit bij mannen rond de 75 tot 80 procent lag. Volgens de onderzoekers kan dit deels worden verklaard doordat mannen emoties gemiddeld minder expliciet in hun stem laten doorklinken en doordat er minder mannelijke spraakdata beschikbaar waren voor training van de modellen.
Ook het type spraakbericht bleek van invloed. Vrije spraak bevat meer emotionele informatie en werkte vooral bij vrouwen goed, terwijl bij mannen juist de neutrale telopdracht relatief betere resultaten opleverde. Dit wijst erop dat verschillende vormen van spraak verschillende signalen kunnen geven over stemming en dat een combinatie van taken mogelijk effectiever is.
Geen diagnose, wel signalering
De onderzoekers benadrukken dat de technologie geen diagnose stelt. De prestaties zijn vergelijkbaar met die van veelgebruikte screeningsinstrumenten en moeten vooral worden gezien als een hulpmiddel voor vroegtijdige signalering. Daarmee kan AI ondersteuning bieden aan zorgverleners, bijvoorbeeld in de eerstelijnszorg, of worden ingezet voor het volgen van stemmingsveranderingen in de tijd.
Wat betekenen de uitkomsten van het onderzoek voor de zorgpraktijk?
- Vroegsignalering van depressieve klachten op basis van bestaande spraakberichten.
- Ondersteuning van huisartsen en eerstelijnszorg bij het herkennen van signalen.
- Monitoring van stemming over langere tijd, bijvoorbeeld bij bekende patiënten.
- Verbeterde toegang tot mentale zorg in regio’s met beperkte beschikbaarheid van specialisten.
Beperkingen en vervolgstappen
De studie kent meerdere beperkingen. Alle deelnemers spraken Braziliaans-Portugees, waardoor de resultaten niet automatisch toepasbaar zijn op andere talen of culturen. Daarnaast was de onderzoeksgroep relatief klein en ongelijk verdeeld tussen mannen en vrouwen. Ook kan stemgeluid worden beïnvloed door andere factoren, zoals vermoeidheid, medicatiegebruik of lichamelijke klachten.
Desondanks concluderen de onderzoekers dat stemanalyse via alledaagse spraakberichten een veelbelovende aanvulling kan zijn op bestaande methoden. Vervolgonderzoek moet uitwijzen hoe deze technologie betrouwbaar, ethisch en veilig kan worden ingezet binnen de reguliere zorgpraktijk.
'Mooi voorbeeld'
Hoogleraar psychiatrie Wim Veling (UMC Groningen) noemt de studie in de Volkskrant een ‘mooi voorbeeld’ van hoe ervaring opgedaan kan worden met AI voor medische toepassingen. Wel stelt hij dat in de dagelijkse praktijk de vraag of AI ‘netjes’ kan herkennen wie in een groep depressief is, net iets ingewikkelder.
Ook ervaren psychiaters kunnen in een (telefoon)gesprek volgens Veling wel herkennen of iemand vlakker spreekt – een kenmerk van depressiviteit. Maar die letten misschien op iets anders dan de AI-modellen in het onderzoek.
