Un nuovo modello linguistico medico (LLM) ha raggiunto una precisione superiore al 91 percento nell’identificazione delle partecipanti di sesso femminile a cui è stato diagnosticato un disturbo depressivo maggiore dopo aver analizzato una breve registrazione audio di WhatsApp in cui le partecipanti descrivevano la loro settimana, secondo uno studio pubblicato il 21 gennaio 2026 sulla rivista open access PLOS Mental Health da Victor HO Otani, della Santa Casa de São Paulo School of Medical Sciences e Infinity Doctors Inc., Brasile, e colleghi.
Il disturbo depressivo maggiore è una condizione di salute mentale che colpisce oltre 280 milioni di persone in tutto il mondo e la diagnosi precoce può essere fondamentale per un trattamento tempestivo. In questo studio, Otani e colleghi hanno utilizzato modelli di apprendimento automatico per classificare gli individui con e senza disturbo depressivo maggiore in base ai messaggi vocali di WhatsApp.
Gli autori hanno utilizzato due set di dati per questo studio, un set di dati per addestrare i loro LLM (con 7 diversi sottomodelli utilizzati) e un set di dati per testare i loro LLM. Il set di dati di addestramento era composto da 86 partecipanti: un gruppo di pazienti ambulatoriali (37 donne, 8 uomini) con diagnosi clinica di disturbo depressivo maggiore e un gruppo di controllo di 41 volontari (30 donne, 11 uomini) senza diagnosi di depressione. Il set di dati utilizzato per testare i modelli addestrati era composto da 74 partecipanti: 33 pazienti ambulatoriali (17 donne, 16 uomini) con diagnosi di disturbo depressivo maggiore e 41 partecipanti del gruppo di controllo (21 donne, 20 uomini) senza diagnosi di depressione. A tutti i partecipanti è stato fornito il consenso informato e sono stati sottoposti a screening per escludere potenziali fattori confondenti come altri problemi medici. Nel set di dati di addestramento, i dati vocali dei pazienti ambulatoriali sono stati ricavati dalle registrazioni audio di WhatsApp inviate ai loro studi medici quando presentavano sintomi; i partecipanti del gruppo di controllo hanno scelto i propri messaggi vocali WhatsApp di routine da condividere. Per il set di dati di prova, i dati vocali raccolti dal gruppo di pazienti ambulatoriali e dal gruppo di controllo erano gli stessi: messaggi WhatsApp registrati con conteggio da 1 a 10, nonché messaggi audio che descrivevano la settimana precedente. Tutti i messaggi audio in entrambi i set di dati provenivano da madrelingua portoghese brasiliani.
Gli LLM hanno mostrato una maggiore accuratezza nel classificare le donne come depresse rispetto agli uomini come non depresse, in particolare quando venivano forniti i dati “descrivi la tua settimana”, con un tasso di accuratezza del 91, 9% per il modello più performante. L’accuratezza del modello più performante nella classificazione dei partecipanti maschili è stata del 75% per lo stesso audio “descrivi la tua settimana”. (Ciò potrebbe essere potenzialmente spiegato dal numero maggiore di donne partecipanti nel set di dati di addestramento del modello, nonché dalle differenze nei modelli di linguaggio tra uomini e donne). Gli LLM hanno mostrato prestazioni più simili tra uomini e donne quando venivano forniti i dati “conta fino a 10”, con il modello più performante che ha raggiunto l’82% di accuratezza nelle donne e il 78% negli uomini.
Gli autori sperano che il continuo perfezionamento dei loro modelli possa portare alla creazione di un metodo pratico ed economico per lo screening della depressione negli individui, nonché ad altre potenziali applicazioni cliniche/di ricerca.
L’autore senior Lucas Marques aggiunge: “Il nostro studio dimostra che sottili modelli acustici nei messaggi vocali spontanei di WhatsApp possono aiutare a identificare profili depressivi con sorprendente accuratezza utilizzando l’apprendimento automatico. Questo apre una promettente strada per strumenti di screening digitale pratici e a basso impatto, che rispettino le abitudini comunicative quotidiane delle persone”.
Accedi all’articolo disponibile gratuitamente su PLOS Mental Health
Contatto: Lucas Murrins Marques, lucasmurrins@gmail.com
Citazione: Otani VHO, Aguiar FO, Justino TP, Buck HS, Grilo LB, Figueiredo MF, et al. (2026) Rilevamento basato su ML del profilo depressivo attraverso l’analisi vocale nei messaggi audio WhatsApp™ di parlanti portoghesi brasiliani. PLOS Ment Health 3(1): e0000357. https://doi.org/10.1371/ journal.pmen.0000357
Paesi dell’autore: Brasile
Finanziamento: Questo lavoro è stato finanziato da Infinity Doctors Inc. per i seguenti autori: RU, FA, DV, TO, LM e VO. Il finanziatore ha supportato finanziariamente questi autori per il tempo e l’impegno dedicati allo sviluppo di questo studio. I finanziatori non hanno avuto alcun ruolo nella progettazione dello studio, nella raccolta e analisi dei dati, nella decisione di pubblicare o nella preparazione del manoscritto.
Conflitti di interesse: gli autori hanno letto la politica della rivista e gli autori di questo manoscritto hanno i seguenti conflitti di interesse: RU, FA, DV, TO, LM e VO dichiarano di essere dipendenti e di detenere azioni o quote di Infinity Doctors Inc. LM e JRV sono membri del comitato consultivo di PLOS Mental Health. Gli autori desiderano dichiarare i seguenti brevetti/domande di brevetto associati a questa ricerca: RU detiene un brevetto in attesa di approvazione (#TPP77348) relativo a questo lavoro presentato come domanda di brevetto provvisorio. Ciò non altera la nostra adesione alle politiche di PLOS sulla condivisione di dati e materiali.
Gli audio di WhatsApp sono stati pre-elaborati, le caratteristiche acustiche sono state estratte e i modelli sono stati addestrati con una pipeline standardizzata. Sette algoritmi di apprendimento automatico sono stati valutati su un set di test indipendente.
Credito immagine: Otani et al., 2026, PLOS Mental Health, CC – BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
Immagine in evidenza: © Redazione Cultura
