Biomarcatori Vocali Basati sull'Entropia Migliorano il Rilevamento della Depressione Rispetto alle Caratteristiche Statiche

Un recente studio pubblicato su arXiv introduce le dinamiche vocali temporali basate sull'entropia come innovativi biomarcatori digitali per il rilevamento automatico della depressione, mostrando prestazioni superiori rispetto alle tecniche di aggregazione statica convenzionali. Analizzando il corpus DAIC-WOZ, che include 142 partecipanti etichettati, i ricercatori hanno ricostruito le traiettorie acustiche a livello di enunciato e valutato vari set di caratteristiche utilizzando una validazione consapevole delle perdite. Il metodo di pooling statico ha prodotto un AUC di 0,593, mentre le dinamiche delle traiettorie hanno migliorato questo valore a 0,637. In particolare, i biomarcatori di entropia hanno ottenuto il miglioramento più significativo (AUC 0,646; AUC con convalida incrociata annidata 0,615; p di permutazione = 0,017), superando i biomarcatori di quantificazione della ricorrenza, entropia campionaria, complessità frattale e accoppiamento. Questa ricerca indica che l'analisi temporale basata sull'entropia rivela dinamiche comportamentali clinicamente rilevanti che le caratteristiche statiche potrebbero trascurare, fornendo un approccio più sensibile per il rilevamento della depressione.