基于语音识别MDD患者自杀风险：模型开发与4周随访验证

摘要

背景：

重性抑郁障碍（MDD）患者自杀风险显著高于一般人群，而当前自杀风险的识别主要依赖临床访谈和标准化评定量表，客观性和持续监测能力有限。言语是一种低负担、可重复的数字行为信号，可提供与情绪状态、认知加工和言语表达相关的声学与语言信息，或可为MDD患者自杀风险识别提供客观辅助。据此，本研究旨在评估言语衍生特征能否支持MDD患者自杀风险识别，通过比较不同言语表征的判别性能、考察临床症状测量的增量价值，并评估模型在4周随访时的表现。

方法：

纳入就诊于首都医科大学附属北京安定医院、17项汉密尔顿抑郁量表（HAMD-17）总分≥14分的MDD患者。依据预设的两阶段规则，基于HAMD-17自杀条目和贝克自杀意念量表中文版（BSI-CV）判定自杀风险状态。在基线收集临床资料和半结构化访谈言语，并提取声学、传统文本和深层语义特征。构建使用不同特征来源的随机森林模型，并采用五折分层嵌套交叉验证进行内部验证。进一步使用4周随访数据评估文本特征模型及文本特征联合抑郁症状严重程度（以抑郁症状学自评量表（IDS-SR）总分表示，排除自杀相关条目）的模型，以确定其判别性能在较晚评估时间点是否得以维持。

结果：

在248例MDD患者中，92例被判定为高自杀风险，156例为低自杀风险。在内部验证中，传统文本特征模型的受试者工作特征曲线下面积（AUC）为0.687，而声学特征模型和深层语义特征模型的AUC分别为0.604和0.641。仅IDS-SR模型的AUC为0.625。传统文本特征联合IDS-SR总分及联合所有临床特征的模型AUC分别为0.745和0.756。在完成4周随访的95例参与者中，55例随访时HAMD-17总分≥14分，纳入4周随访验证分析。在4周随访验证集中，传统文本特征模型的AUC为0.720，而传统文本特征联合IDS-SR总分的模型AUC为0.774。

结论：

语音衍生的文本特征显示出在支持MDD患者自杀风险识别方面的潜在价值。将语音衍生的文本信息与临床症状测量相结合，可能提供超越标准症状评估的补充信息。这些发现表明，基于语音的方法可能支持临床医生识别MDD患者的自杀风险，但在临床实施之前，还需要在更大的独立多中心队列中进一步验证。

1 引言

重性抑郁障碍（MDD）是一种常见且负担沉重精神疾病，其特征为持续的情绪低落、兴趣或愉悦感丧失，以及一系列认知和躯体症状（）。与一般人群相比，MDD患者的自杀风险显著升高（）。MDD患者的高自杀风险不能归因于单一症状或风险因素，而是反映了多种临床和社会心理因素的相互作用，包括抑郁严重程度、绝望感、消极自我评价、社会支持不足以及近期应激性生活事件（，）。因此，MDD患者的自杀风险评估不仅仅是确定是否存在自杀意念，还需要考虑多个维度，包括自杀意念的强度、自杀计划的特异性、既往自杀行为、急性风险因素和保护因素（）。此外，MDD患者的自杀风险可能难以察觉，并且会随时间波动，这进一步增加了临床实践中及时识别高风险个体的难度（）。

尽管临床访谈和标准化评定量表仍然是识别MDD患者自杀风险的主要方法，但这些方法在客观性、及时可靠的风险识别以及持续监测能力方面仍存在局限性。这些局限性部分源于临床访谈和评定量表在很大程度上依赖于患者主动披露自杀意念、自杀计划及相关行为，而这可能受到当前情绪状态、治疗联盟和评估情境的影响（）。此外，临床访谈和标准化评定量表通常需要由受过培训的专业人员进行评估，这可能限制其在常规或真实世界环境中进行持续监测的可行性（）。这些局限性凸显了对客观、低负担且可重复的行为信号的需求，以补充传统的自杀风险评估。

语音就是这样一种有前景的数字行为信号。语音产生不仅仅是一个发声过程，还涉及呼吸控制、声带振动、构音、情绪调节、认知加工和语言组织（）。因此，语音可以通过声学表达和语言内容反映心理状态。在声学层面，语速、停顿模式、基频、响度和梅尔频率倒谱系数等特征提供了关于韵律、声音强度、频谱特征和言语流畅性的定量信息，这些信息可能受到情绪唤起和精神运动活动的影响（）。除了传统的手工声学描述符之外，自监督语音表征提供了一种直接从语音信号中提取高维信息的替代方法。这些表征也已开始被探索用于心理健康相关的语音分析。例如，Bauer等人将基于预训练wav2vec 2.0的表征应用于使用临床访谈录音的自动MDD评估（）。然而，它们对自杀风险识别的附加价值仍有待确定。在文本层面，词语选择、情绪表达、句法结构和语义内容可以更直接地反映认知加工、情感体验和自我相关评价（）。基于这些特征，语音特征已越来越多地用于精神疾病检测、症状严重程度评估和临床变化监测（）。基于语音的心理健康评估方法学研究也强调了数据质量和研究设计的重要性。Vilenchik等人强调，类别不平衡、标签质量、样本特征和录音条件等因素可能影响基于语音的抑郁症检测的可靠性和可推广性，凸显了精心设计的数据收集和验证程序的重要性（）。

既往研究已提供初步证据表明语音信息可用于自杀风险识别。Belouali等人基于退伍军人日常访谈中收集的语音开发了一个自杀风险识别模型，报告的AUC为0.80（）。Cui等人基于青少年的自我评价语音开发了一个模型，AUC为0.92（）。这些研究表明，语音信号可能在不同人群和语音任务中具有自杀风险识别的潜力。

然而，将基于语音的方法应用于MDD患者的自杀风险识别仍然具有挑战性。抑郁本身可引起声学和语言变化，包括语速减慢、韵律平淡、停顿增多、言语流畅性下降、负性情绪表达增多以及自我指涉语言增加（）。这些与抑郁相关的声学和语言特征可能与自杀风险相关的语音特征重叠，从而使MDD患者的自杀风险识别更加困难。若干研究已探讨了语音衍生信息用于MDD或双相障碍患者自杀风险识别的价值。Li等 人从MDD患者和健康对照者的HAMD评估录音转录文本中提取语言特征，报告基于自杀相关条目转录文本的模型AUC为0.77（）。Min等 人在包含MDD患者和双相障碍患者的样本中开发了基于声学特征的自杀风险识别模型，报告其性能一般，AUC约为0.62（）。Lin等 人也研究了包含MDD患者和双相障碍患者的样本，并整合了由阳性、中性和阴性问答材料诱发的语音的声学特征和词频特征。基于阴性材料诱发语音的模型取得了相对更好的性能，AUC为0.80（）。

尽管有这些初步发现，现有证据仍存在若干局限性。第一，既往研究常纳入健康对照者或双相障碍患者，而专门针对MDD患者自杀风险识别的研究仍然有限。第二，既往研究在语音任务设计、特征提取和建模流程方面差异很大。一些研究使用与自杀风险评估高度相关的语音或文本内容作为模型输入，或在完整数据集上进行特征选择和参数优化，这可能增加数据泄漏和性能估计过于乐观的风险。第三，大多数既往研究依赖横断面数据进行模型开发和内部验证，关于此类模型应用于后续评估时间点新采集语音时表现如何的证据有限。

基于这些空白，本研究旨在评估不同语音衍生表征在临床同质性MDD患者样本（HAMD-17总分≥14）中用于自杀风险识别的价值。我们在统一的随机森林框架内，使用考虑泄漏的嵌套交叉验证，比较了声学特征、传统文本特征和深层语义特征。我们进一步检验了纳入临床症状测量是否能在语音衍生特征之外提供额外的判别价值。最后，将表现较好的模型应用于4周随访时新采集的语音，以评估其判别性能在较晚评估时间点是否得以维持。该设计使我们能够在一致的评估框架下比较多种语音表征，同时考察其在不同评估时间点的性能。

2 方法

2.1 研究人群

本观察性临床研究招募了2024年12月至2025年11月期间在首都医科大学附属北京安定医院接受门诊或住院治疗的MDD患者。纳入标准如下：（1）年龄18至65岁，性别不限；（2）根据《精神障碍诊断与统计手册（第五版）》（DSM-5）当前诊断为重性抑郁障碍，无精神病性症状，并经简明国际神经精神访谈（MINI）确认；（3）入组时17项汉密尔顿抑郁量表（HAMD-17）总评分≥14；（4）入组前14天内未接受改良电休克治疗；（5）能够理解本研究使用的临床量表和言语任务。排除标准如下：（1）根据DSM-5诊断为其他精神障碍，包括智力障碍、精神分裂症谱系障碍、双相障碍或其他躯体疾病所致精神障碍；（2）当前患有可能影响言语产生或完成言语任务的严重躯体疾病；（3）过去一年内有酒精或精神活性物质滥用或依赖史。

本研究经首都医科大学附属北京安定医院伦理委员会批准（批准号：[2024]科研第386号）。所有参与者在参与研究前均提供了书面知情同意。

2.2 自杀风险分组的定义

鉴于临床需要及时识别高自杀风险的MDD患者并促进早期干预，自杀风险状态被操作化为一个二分类结局，采用在研究模型开发前确立的、基于量表的研究定义两阶段规则。该程序结合了17项汉密尔顿抑郁量表（HAMD-17）自杀条目的临床医生评定信息与贝克自杀意念量表中文版（BSI-CV）的自我报告信息。HAMD-17自杀条目基于临床访谈捕捉死亡想法、自杀意念和自杀行为（）；然而，作为单一条目，它对自杀意念严重程度、自杀计划及相关风险维度的区分能力有限。BSI-CV对自杀意念强度、自杀计划、感知自我控制及自杀相关准备行为提供了更详细的评估（）。因此，该两阶段程序旨在整合互补的临床医生评定与自我报告信息，同时减少对单一评估来源的依赖。

具体而言，所有参与者均完成了HAMD-17自杀条目和BSI-CV。根据预先设定的两阶段分类规则，HAMD-17自杀条目评分≤1的参与者被归类为低自杀风险。在评分>1的参与者中，BSI-CV总分>10被用于判定高自杀风险；其余所有参与者均被归类为低自杀风险。HAMD-17自杀条目和BSI-CV仅用于定义自杀风险标签，未作为预测因子纳入模型。

2.3 临床评估

在基线时，所有参与者均提供了社会人口学和临床信息，并完成了临床量表评估。完成4周随访的参与者接受了与自杀风险分组和模型验证相关的临床测量再评估，包括HAMD-17、BSI-CV、抑郁症状学自评量表（IDS-SR）和广泛性焦虑障碍量表-7（GAD-7）。维度快感缺失评定量表（DARS）和临床实用抑郁结局量表DSM-5混合特征标注版（CUDOS-M）仅在基线时施测。所有评估均由经过培训的研究人员按照标准化程序进行。

HAMD-17是一种常用的临床医生评定工具，用于评估抑郁症状的严重程度，并已显示出良好的信度和效度（）。它由17个条目组成，包括9个条目评分为0至4分和8个条目评分为0至2分，总分范围为0至52分。分数越高表明抑郁症状越严重。

BSI-CV是一种自评工具，用于评估自杀意念的严重程度（）。它评估对生与死的态度、自杀意念的强度、自杀计划及相关自杀倾向。该量表由19个条目组成，每个条目评分为0至2分，总分范围为0至38分。分数越高表明自杀意念越严重，自杀风险越高。

IDS-SR是一种自评工具，用于评估抑郁症状的严重程度，并对抑郁症状领域提供全面评估（）。它由30个条目组成，每个条目评分为0至3分，总分范围为0至84分。分数越高表明抑郁症状越严重。

GAD-7是一种广泛使用的自评工具，用于评估过去2周内焦虑症状的频率和严重程度（）。它由7个条目组成，每个条目评分为0至3分，总分范围为0至21分。分数越高表明焦虑症状越严重。

DARS是一种自评工具，用于评估不同奖赏相关领域的快感缺失（）。它由17个条目组成，涵盖四个领域：爱好、食物和饮料、社交活动和感官体验。每个条目评分为0至4分，总分范围为0至68分。分数越高表明体验愉悦的能力越强，快感缺失水平越低。

CUDOS-M是一种自评工具，用于评估抑郁发作期间的混合特征，基于DSM-5混合特征标注（）。它评估过去一周的混合特征症状，由13个条目组成，每个条目评分为0至4分，总分范围为0至52分。分数越高表明混合特征越突出。

2.4 语音数据采集

采用半结构化访谈任务收集自发言语。该任务要求参与者在相对自然的对话情境中组织其言语应答，涉及情绪体验回忆、信息提取、认知加工和语言组织，从而能够收集到相对自然、连续且信息丰富的言语样本。访谈由八个提示组成：（1）描述过去一个月内让参与者感到高兴的一件事；（2）描述过去一个月内让参与者感到愤怒的一件事；（3）描述让参与者感到害怕的一个人或一种情境；（4）描述给参与者带来希望感的某件事；（5）描述一次造成重大情感伤害的经历；（6）描述童年时期的一件难忘事件；（7）描述参与者生命中最重要的人；（8）描述参与者如何看待自己这个人。这些提示涵盖了情绪体验、自传体记忆、人际关系和自我评价。这八个主要提示均未直接询问自杀意念、自杀计划或自杀行为。针对每个主题制定了标准化访谈指南，以界定核心提问要点。在此框架内，允许参与者自由作答，对其回答的内容或形式没有严格限制。

言语数据在单独且安静的房间内收集，以尽量减少外部噪声和环境干扰。所有录音均使用同一录音设备获取，录音设备与参与者和访谈者之间的距离均保持在约0.5 m。录音设备在整个访谈过程中保持开启，以确保言语数据的连续性和完整性。

完成4周随访的参与者接受了与基线时相同的言语采集程序。随访言语数据用于评估基线训练的模型在相同言语任务条件下、较晚评估时间点的表现。

2.5 言语数据预处理

言语数据采集后，首先对原始音频文件进行统一编号和整理，并将录音转录为包含文本内容和时间戳信息的结构化JSON文件。随后由经过培训的研究人员对转录结果进行人工核查，重点纠正词语识别错误、遗漏、句子切分错误和说话人识别错误，以提高后续文本分析的准确性。

人工校正后，根据校正后的时间戳信息从原始音频文件中提取参与者在半结构化访谈任务中的言语片段。访谈者言语和与任务无关的内容被移除。分割后的参与者音频文件用于声学特征提取，校正后的参与者应答文本导出为TXT文件，用于传统文本特征提取和深层语义特征提取。为避免访谈者言语或文本的潜在影响，所有后续特征仅从参与者的应答中提取。

2.6 特征提取

从半结构化访谈任务中收集的语音数据里提取了与语音相关的特征。根据特征来源和表示形式，提取的特征被分为三类：声学特征、传统文本特征和深层语义特征。在4周随访时收集的语音数据采用与基线时相同的预处理和特征提取流程进行处理，以确保各时间点之间特征的一致性。

使用Python中的Librosa和Praat从分割后的参与者音频文件中提取声学特征（，）。对于每位参与者，首先将半结构化访谈中所有保留的语音片段按时间顺序拼接，形成单个参与者级别的波形。随后在该波形上对随时间或帧变化的声学指标进行汇总，以获得固定长度的参与者级别特征。具体而言，均方根能量、过零率和频谱质心以其均值表示，而MFCC、频谱平坦度、频谱通量、基频和响度则以其均值和标准差进行汇总。锐度表示为单个参与者级别的值。抖动、闪烁、谐噪比和共振峰频率使用Praat从拼接波形中导出。这些流程为每位参与者产生了62个候选声学特征。

传统文本特征从参与者回答的人工校正转录文本中提取。首先，使用哈尔滨工业大学开发的语言技术平台（LTP）进行中文分词、词性标注和依存句法分析（）。基于这些分析，提取了词汇特征、词性特征、核心词特征和依存句法特征，以刻画参与者在自发言语中的词汇使用、语言组织和句法结构。使用中文情感词汇本体库（）提取与情感相关的文本特征。将参与者转录文本中的词语与情感词典进行匹配，以计算不同情感类别的频率、比例和情感强度指标，从而反映参与者语言的情感内容和情感倾向。最终的传统文本特征集由82个候选特征组成，包括词汇、词性、句法和情感词特征。

深层语义特征从参与者回答的人工校正转录文本中提取，使用预训练的bert-base-chinese模型作为固定特征提取器，未进行任务特定的微调。对于每位参与者，访谈转录文本被分词并划分为最多510个token的连续块，每个块添加[CLS]和[SEP] token。每个块通过BERT，提取最终隐藏层的768维[CLS]表示。当为一位参与者生成多个块时，对块级[CLS]表示取平均，以获得单个768维的参与者级别语义向量，该向量被用作模型开发的深层语义输入。

2.7 模型开发与内部验证

使用基线样本开发了自杀风险识别模型，将高自杀风险组定义为阳性类别。为确保基于不同特征来源的模型之间具有可比性，所有模型均采用随机森林算法开发。随机森林通过整合多棵决策树来提高模型稳定性，并能处理高维特征和非线性关系，适用于本研究中的多源特征数据和二分类任务（）。首先，分别使用声学特征、传统文本特征和深层语义特征构建了独立模型。同时构建了一个临床特征模型作为参照。临床特征模型包含四个预先设定的临床变量：去除自杀相关条目后的IDS-SR总分、GAD-7总分、DARS总分和CUDOS-M总分。为评估临床症状信息在文本特征之外的增量价值，又开发了两个额外模型：一个将传统文本特征与IDS-SR评分相结合，另一个将传统文本特征与全部四个预先设定的临床症状测量指标相结合。为直接评估传统文本特征在抑郁症状严重程度之外的增量贡献，还评估了一个仅使用IDS-SR的额外模型，使用去除自杀相关条目后的IDS-SR评分。

模型开发和内部验证采用分层嵌套交叉验证进行。外层循环使用五折交叉验证评估模型性能，而内层循环使用三折交叉验证进行特征选择、降维、超参数优化和分类阈值确定。所有特征选择、降维、超参数优化和阈值选择程序仅在训练数据内进行，在训练数据中确定的程序随后应用于相应的测试折，以避免数据泄漏和过于乐观的性能估计。

由于仅IDS-SR模型和临床特征模型分别仅包含一个和四个变量，因此保留了所有变量，未进行特征选择。声学特征、传统文本特征、传统文本加IDS-SR以及传统文本加全部临床特征集分别包含62、82、83和86个候选特征。对于这些模型，特征选择在交叉验证流程内进行。首先使用Spearman相关系数阈值|ρ| > 0.80过滤相关特征，随后基于随机森林重要性进行Top-K选择，K值在内层交叉验证循环中确定。在五个外层折中，声学特征模型选定的K值范围为15至35，传统文本特征模型为20至35，传统文本加IDS-SR模型为20至35，传统文本加全部临床模型为15至35。对于深层语义模型，768维的参与者级BERT向量经标准化后，在随机森林建模前使用PCA降至50个主成分。标准化和PCA均在嵌套交叉验证流程内实现，使得变换仅在相应的训练数据上拟合，然后应用于相应的留出数据。

2.8 使用4周随访数据进行随访验证

在完成模型开发并使用基线样本进行内部验证后，以内部验证的曲线下面积（AUC）作为模型选择的主要标准，并结合随访时相应特征的可用性。据此，选择基于传统文本特征的RF模型以及结合传统文本特征与IDS-SR总分的RF模型进行随访验证。由于DARS和CUDOS-M在随访时未重复采集，包含所有临床特征的联合模型未在随访时进行评估。在完成4周随访的参与者中，随访访视时HAMD-17总分≥14分者被纳入随访验证。

用于随访验证的模型完全基于基线样本确定。具体而言，在五次基线交叉验证折中至少四次被选中的特征被定义为稳定特征，并作为最终特征集。基于这些特征，使用整个基线样本重新训练RF模型，最终分类阈值采用与基线相同的阈值选择策略确定。随后，所得模型和分类阈值被固定，并直接应用于4周访视时获得的相应特征。模型性能针对同次访视重新定义的自杀风险组进行评估。4周随访时收集的任何数据均未用于特征选择、模型训练、超参数优化或阈值确定。重要的是，本随访分析并未评估基于基线语音对未来自杀风险的前瞻性预测，因为用于随访评估的模型输入和自杀风险标签均在4周访视时获得。

2.9 统计分析

连续变量根据其分布以均值 ± 标准差或中位数及四分位距进行汇总。分类变量以频数和百分比进行汇总。为比较高自杀风险组与低自杀风险组的基线特征，连续变量酌情采用独立样本t检验或Mann–Whitney U检验进行分析，分类变量采用卡方检验或Fisher精确检验进行分析。为评估潜在的失访偏倚，还采用相同的统计方法比较了完成4周随访与未完成随访的参与者之间的基线人口学和临床特征。所有统计检验均为双侧检验，P < 0.05被认为具有统计学意义；对于AUC的两两比较，统计学显著性基于Holm校正后的P值。

在内部验证和随访验证中，模型性能均采用准确率、灵敏度、特异度、F1分数以及受试者工作特征曲线下面积（AUC）进行评估。

在内部验证和随访验证中，AUC 的 95% 置信区间（CI）均采用非参数自助重抽样法估计，重抽样次数为 2,000 次。内部验证分析基于外层交叉验证折的参与者层面折外预测概率，而随访分析则使用固定的基线训练模型在 4 周数据上生成的预测。所选竞争基线模型之间 AUC 的差异采用配对自助重抽样法评估，重抽样次数为 2,000 次，95% CI 和名义双侧 P 值由配对自助分布得出。这些成对 AUC 比较是针对性的、非穷尽性的比较，旨在回答研究问题，但并未正式预先设定为验证性假设。为校正成对 AUC 分析中的多重比较，P 值采用 Holm 法进行调整。在内部验证中，使用精确率-召回率曲线和平均精确率（AP）来补充基于 ROC 的评估；校准情况通过 10 分位数校准图进行检查，整体概率预测误差则用 Brier 评分进行总结。为进一步描述模型性能在外层交叉验证折间的变异性，分别计算了五个外层测试折各自的 AUC，并总结了折特异性 AUC 的均值、标准差和范围。

为评估研究结果对自杀风险操作性定义的敏感性，我们采用另一种结局定义进行了敏感性分析，其中高自杀风险仅由 BSI-CV 总分 >10 来定义，而不应用 HAMD-17 自杀条目筛查步骤。在此替代结局定义下，重复了主分析中使用的相同模型开发和嵌套交叉验证流程。

3 结果

3.1 基线特征

基线时共纳入 248 例 MDD 患者，其中高自杀风险组 92 例，低自杀风险组 156 例。两组在年龄、IDS-SR 总分、GAD-7 总分和 DARS 总分方面存在显著差异，而在其他人口学或临床特征方面未发现显著差异。参与者的言语时长或转录文本长度在组间也无统计学显著差异（表 1）。

表 1

按自杀风险分组的参与者基线特征。

IQR，四分位距。连续变量采用Mann–Whitney U检验进行比较，检验统计量报告为标准化Z值；分类变量酌情采用卡方检验或Fisher精确检验进行比较。语音时长根据仅含参与者的波形计算，转录文本长度按校正后转录文本中经LTP分词的词数计算。

3.2 内部验证中的模型性能

不同随机森林模型的内部验证性能见表 2。仅IDS-SR模型的AUC为0.625，而临床特征模型的AUC为0.574。在单来源语音相关模型中，声学特征、传统文本特征和深层语义特征模型的AUC分别为0.604、0.687和0.641。传统文本特征模型在单来源语音相关模型中取得了最高的AUC；然而，与声学特征模型和深层语义特征模型相比，其两两差异经Holm校正后无统计学意义（表 3）。

表 2

用于自杀风险识别的随机森林模型的内部验证性能。

AP，平均精度；CI，置信区间。Brier分数表示预测概率与观察到的二分类结局之间的均方差异，数值越低表明概率预测准确性越好。

表 3

所选基线模型之间AUC的两两比较。

ΔAUC按第一个模型的AUC减去第二个模型的AUC计算。名义P值来自2,000次重抽样的配对bootstrap比较。Holm校正P值考虑了本表中报告的六项两两AUC比较的多重比较。

基于这些发现，传统文本特征进一步与临床症状测量相结合。将传统文本特征与IDS-SR总分相结合的模型达到了0.745的AUC，而仅使用传统文本特征的模型为0.687（ΔAUC = 0.058，95% CI 0.003–0.112，P = 0.040；Holm校正后P = 0.160），仅使用IDS-SR的模型为0.625（ΔAUC = 0.120，95% CI 0.046–0.198，P = 0.003；Holm校正后P = 0.018）。将传统文本特征与所有临床特征相结合的模型达到了最高的AUC 0.756，比传统文本特征模型高0.069（95% CI 0.016–0.126，P = 0.010；Holm校正后P = 0.050）。两个组合模型之间的差异为0.011（95% CI −0.020–0.042，P = 0.495；Holm校正后P = 0.584）。经过Holm校正后，只有将传统文本特征与IDS-SR总分相结合的模型与仅使用IDS-SR的模型之间的差异仍具有统计学显著性。所选基线模型之间的两两比较见表 3。基于基线模型折外预测的精确率-召回率曲线见图 1，基于折外预测概率的校准曲线见图 2。在基线模型中，将传统文本特征与IDS-SR总分相结合以及与所有临床特征相结合的模型显示出最高的AP值（分别为0.620和0.649）和最低的Brier分数（分别为0.198和0.192）。

图 1

图 2

在五个外部测试折中，将传统文本特征与临床信息相结合的两个模型平均AUC分别为0.753（SD = 0.057）和0.761（SD = 0.057）。其余模型的平均折特异性AUC范围为0.577至0.682，SD范围为0.033至0.068。详细的折间变异性总结见补充表 2。

在使用仅基于BSI-CV总分>10的高自杀风险替代操作定义的敏感性分析中，模型区分度普遍低于主要分析。尽管如此，将传统文本特征与临床信息相结合的两个模型仍然表现最佳，两个组合模型的AUC均为0.708。单来源模型的AUC范围为0.580至0.620。与主要分析的详细比较见补充表 3。

3.3 最终模型选择与稳定选择的特征

基于内部验证结果以及随访时相应特征的可用性，传统文本特征RF模型和传统文本特征加IDS-SR总分RF模型被选为后续随访验证的最终模型。对于每个最终模型，在五个基线交叉验证折中至少四个折中被选择的特征被定义为稳定选择的特征，并用作最终特征集。基于这些最终特征集，使用整个基线样本重新训练两个模型，然后应用于4周随访数据。最终模型的稳定选择特征列于表 4。

表 4

最终随机森林模型中稳定选中的特征。

3.4 最终模型的随访验证性能

共有 95 名参与者完成了为期 4 周的面对面随访。与未完成 4 周随访的参与者相比，完成随访者的基线 GAD-7 评分显著更低，而在其他所考察的基线人口学或临床特征（包括基线自杀风险状态）方面未观察到统计学显著差异（补充表 1）。在 95 名完成随访者中，55 人在随访时 HAMD-17 总分仍≥14，因此被纳入随访验证分析。在这 55 名参与者中，17 人在随访时被归类为高自杀风险，38 人被归类为低自杀风险。从基线到随访，11 名参与者的自杀风险类别发生变化，其中 9 人从高自杀风险变为低自杀风险，2 人从低自杀风险变为高自杀风险。

在 4 周随访验证集中，传统文本特征 RF 模型的 AUC 为 0.720（95% CI 0.553–0.872），而结合传统文本特征与 IDS-SR 总分的 RF 模型 AUC 为 0.774（95% CI 0.607–0.918）。因此，后一模型在随访样本中显示出数值上更高的 AUC（表 5）。

表 5

使用 4 周随访数据对最终随机森林模型进行的随访验证性能。

4 讨论

本研究在一个统一且考虑数据泄漏的建模框架内，对用于识别MDD患者自杀风险的不同语音表征进行了比较性临床评估。在所有特征集上使用相同的随机森林分类器和嵌套交叉验证流程，使得模型性能的差异主要可归因于不同特征来源所捕获的信息，而非建模算法的差异。在单来源语音表征中，传统文本特征取得了最高的AUC，尽管在Holm校正后，其与声学模型和深层语义模型的成对差异均无统计学显著性。将传统文本特征与临床症状信息相结合，其AUC高于仅使用传统文本特征的模型，但在Holm校正后这些差异也未保持统计学显著性。值得注意的是，在Holm校正后，将传统文本特征与IDS-SR评分相结合的模型，其AUC显著高于仅使用IDS-SR的模型，这支持了传统文本特征在抑郁症状严重程度之外所提供的增量判别信息。此外，表现较好的文本相关模型在应用于第4周随访时新采集的语音时仍保留了判别能力，提示其性能可能在较晚的评估时间点得以维持；然而，鉴于随访样本相对较小且经过选择，这一发现应谨慎解读。

在本研究中，与传统声学特征模型相比，传统文本特征模型观察到的数值上更高的AUC，可能与这两类特征所捕获信息的差异有关。传统文本特征刻画了词汇使用、句法组织和情感表达方面的模式，可能捕获与自杀风险相关的心理语言学线索（）。自杀风险不仅与抑郁情绪相关，还可能涉及绝望感、自我否定、认知僵化、人际联结受损以及对未来的消极预期等心理过程（）；这些过程可能更容易通过患者对个人经历、情绪状态和人际关系的自然叙述表达出来。尽管传统文本模型主要基于词汇、词性、句法和情感词特征，而非直接的语义表征，但访谈主题的潜在影响仍应考虑。言语时长和转录文本长度缺乏显著的组间差异，也减少了人们对所观察到的区分能力主要由言语数量差异驱动的担忧。相比之下，声学特征主要反映患者如何说话，包括韵律、音质和频谱特征，因此其与自杀风险的关系可能更为间接。同时，抑郁本身可导致言语减慢、韵律平坦和言语活动减少等声学变化（），这些变化可能与高自杀风险相关的声学表现相重叠，从而削弱自杀风险组之间的声学差异。此外，声学特征更容易受到个体发声习惯、录音条件、说话距离和言语强度波动的影响（），这可能进一步降低其在本研究中的稳定性和区分性能。

深度语义特征模型并未表现出优于传统文本特征模型的性能。这一发现应结合本研究的样本量和建模条件来解读。深度语义向量通常是高维的，而本研究的样本量相对有限。即使经过降维，模型不稳定性、过拟合或语义信息丢失仍可能发生（）。此外，尽管深度语义特征能够捕获文本的整体语义信息，但其各个维度通常缺乏明确的语言学含义，这限制了模型结果的可解释性。在当前样本量和建模框架下，传统文本特征表现出数值上更高的区分性能，而深度语义特征的额外增量价值需要在更大样本和更严格的验证条件下进一步评估。

与既往使用语音信息识别MDD患者自杀风险的研究相比，本研究中模型的表现处于中等水平（–）。既往研究在样本构成、语音任务、输入特征和验证策略方面存在差异；部分研究纳入了异质性样本，如健康对照或双相障碍患者，或直接使用与自杀风险评估相关的访谈内容作为模型输入。相比之下，本研究聚焦于HAMD-17总分≥14的MDD患者，并采用嵌套交叉验证以降低信息泄露和性能估计过于乐观的风险。因此，所观察到的性能可能为基于语音的方法在MDD患者中识别自杀风险的判别能力提供了更为现实的估计。

这种对严格评估的需求在近期基于语音的心理健康评估临床验证工作中也同样明显。Bauer等人使用常规诊疗中患者的自然临床访谈录音评估了自动化MDD评估，发现尽管基于语音的分类显示出判别价值，但并未优于既有的抑郁量表（）。这些发现凸显了将基于语音的方法转化为常规临床实践所面临的挑战，并强调了临床相关样本、可靠参考标准和严格验证的重要性。

本研究还发现，将临床症状信息与传统文本特征相结合，与单独使用传统文本特征相比，具有更高的判别性能。具体而言，两个联合模型的AUC均高于单独的传统文本特征模型，尽管这些差异在Holm校正后未保持统计学显著性。相比之下，将传统文本特征与IDS-SR评分相结合的模型在Holm校正后AUC显著高于仅使用IDS-SR的模型，支持传统文本特征在抑郁症状严重程度之外提供增量判别信息。综合来看，这些发现提示文本信息和临床症状信息可能具有互补价值。临床特征可以反映多维症状状态，包括抑郁、焦虑、快感缺失和混合特征（），而文本特征提供来自患者自然语言表达的非结构化信息，可能捕捉标准化量表未完全覆盖的个体化风险相关线索（）。值得注意的是，将传统文本特征与所有临床特征相结合的模型，以及将传统文本特征与IDS-SR总分相结合的模型，其AUC相似，且经Holm校正后差异无统计学显著性。这一发现提示，抑郁症状严重程度可能解释了与自杀风险判别相关的大部分增量临床信息。

鉴于MDD患者自杀风险的动态性质，仅使用基线数据进行内部验证无法确定模型在后续评估时间点应用时的表现（）。既往利用语音信息识别自杀风险的研究大多采用横断面设计，并在单一时间点评估模型的区分能力，因此关于模型应用于新采集的随访语音时的表现证据有限。因此，我们进行了一项为期4周的随访验证，其中在基线时开发的模型被固定，并应用于随访访视时获得的特征。传统文本特征模型以及结合传统文本特征与IDS-SR总分的模型在随访样本中均保持了区分能力，AUC分别为0.720和0.774。重要的是，该分析并未评估从基线语音对未来自杀风险的前瞻性预测；相反，固定基线训练的模型是使用在4周访视时同期获得的特征和自杀风险标签进行评估的。

临床终点还应结合其心理测量学定义来解读。自杀风险状态是使用同期心理测量评估来定义的，而非随后的自杀企图、自杀死亡或其他硬性临床结局。因此，所报告的模型性能反映的是对评估时量表定义的自杀风险状态的区分，而非对未来自杀行为的预测。尽管自杀意念在临床上很重要，但它与随后的自杀企图不同，与意念、企图和自杀死亡相关的因素可能并不完全重叠（）。此外，尽管同时使用了临床医生评定和自我报告信息，量表衍生的标签仍然依赖于患者的披露和评估背景。为了检验建模结果在多大程度上依赖于自杀风险的操作性定义，我们使用单独BSI-CV总分>10进行了一项敏感性分析。尽管在这一替代定义下AUC普遍较低，但结合传统文本特征与临床信息的模型仍然表现最佳，表明结合文本和临床信息的相对优势得以保持。然而，研究结果应在同期、量表定义的自杀风险结局背景下进行解读。

从临床转化的角度来看，本研究的结果表明，基于语音衍生文本特征的模型可能对辅助MDD患者自杀风险识别具有潜在价值。鉴于自杀风险评估的复杂性和动态性质，并考虑到当前模型性能尚不足以支持其作为独立的风险判定或临床决策工具使用，临床医生仍需整合评定量表评估、自杀企图史、当前应激性生活事件、社会支持和临床访谈信息（）。因此，基于语音衍生文本特征的模型可能更适合定位为风险预警和临床决策支持工具，在多维临床信息框架内提供补充信息，以帮助识别需要进一步评估或更密切随访的患者。

5 优势与局限性

本研究具有若干优势。第一，我们将研究人群限定为HAMD-17总分≥14分的MDD患者，从而能够在相对同质的临床样本中评估语音信息识别自杀风险的价值，并减少因纳入不同人群而导致的异质性。第二，我们在统一的随机森林建模框架内比较了基于不同特征来源的模型，并采用五折分层嵌套交叉验证进行模型开发和内部验证。所有特征选择、降维、超参数优化和阈值选择过程均严格在训练数据内进行，模型性能在独立测试折中评估，从而降低了数据泄漏和性能估计过于乐观的风险。最后，我们使用4周随访数据来评估基线训练的文本相关模型在应用于较晚评估时间点新采集的语音时是否仍保持判别性能。

本研究存在若干局限性。第一，这是一项单中心研究，样本量相对有限，可能影响模型稳定性和研究结果的普遍性。第二，鉴于样本量以及保持模型稳定性和不同特征来源之间可比性的目的，本研究使用了统一的随机森林框架，未评估较新的自监督语音表征或端到端多模态架构。未来样本量更大的研究应检验这些方法是否能在本研究所评估的声学、手工语言学特征和BERT衍生文本表征之外提供增量价值。第三，尽管使用了4周随访数据在较晚评估时间点评估模型，但随访样本来自同一中心和同一研究队列，因此不能替代在独立人群中进行的严格外部验证。此外，完成随访者的基线GAD-7评分低于未完成随访者，而其他所检查的基线特征未观察到统计学显著差异。尽管如此，仍不能排除潜在的与失访相关的选择偏倚。第四，自杀风险结局是使用同期心理测量评估而非后续自杀未遂或其他硬性临床结局来定义的。尽管结合了临床医生评定和自我报告测量，但量表衍生的标签仍受报告和测量局限性的影响。因此，所报告的模型性能应被解释为对量表定义的自杀风险状态的判别，而非对未来自杀行为的预测。第五，文本模型是使用人工校正的转录文本开发的。尽管语音采集本身对参与者负担较低，但当转录文本使用全自动语音识别工作流程生成时，模型性能可能有所不同，而人工校正的需求也带来了额外的实施负担。未来研究应在真实世界临床条件下评估全自动转录和文本特征提取。

未来研究应使用更大的数据集优化语音表征和建模方法，并在独立的多中心队列中评估模型性能。还需要开展随访时间更长的前瞻性研究，以确定这些方法的临床实用性和可推广性。未来的工作还可以进一步将语音衍生信息与其他行为或生理指标相结合，以提高自杀风险识别能力，并评估其作为辅助临床工具的潜在作用。

6 结论

本研究表明，在MDD且HAMD-17总分≥14的患者中，从半结构化访谈中提取的传统文本特征在单源语音特征模型中取得了最高的AUC。将传统文本特征与IDS-SR总分或所有临床特征相结合的模型，其AUC均高于单独的传统文本特征模型。将传统文本特征与IDS-SR评分相结合的模型，其AUC也高于仅使用IDS-SR的模型，支持传统文本特征在抑郁症状严重程度之外对MDD患者自杀风险识别的增量价值。总体而言，这些发现表明，访谈衍生的文本信息和结构化临床症状测量可能为自杀风险识别提供互补信息。当表现较好的文本相关模型应用于第4周随访时新采集的语音时，它们在较晚的评估时间点仍保持了判别能力。总体而言，这些发现支持在临床定义的精神病人群中严格评估互补的语音衍生信息和临床信息对自杀风险识别的价值。在临床实施之前，需要在更大规模的独立多中心队列中进行进一步验证，以确定这些方法的可推广性和临床实用性。

声明

数据可用性声明

由于伦理限制和参与者隐私保护，本研究期间生成和分析的数据集不公开可用。经合理请求并获得相关伦理委员会批准后，去标识化数据可从通讯作者处获取。

伦理声明

The studies involving humans were approved by the Ethics Committee of Beijing Anding Hospital, Capital Medical University (approval No. [2024] Scientific Research No. 386). The studies were conducted in accordance with the local legislation and institutional requirements. The participants provided their written informed consent to participate in this study.

Author contributions

YL: Conceptualization, Data curation, Formal analysis, Investigation, Writing – original draft, Writing – review & editing. NL: Conceptualization, Writing – review & editing. QY: Conceptualization, Writing – review & editing. SW: Data curation, Investigation, Writing – review & editing. GW: Conceptualization, Writing – review & editing. LF: Conceptualization, Writing – review & editing.

Funding

The author(s) declared that financial support was received for this work and/or its publication. The authors confirm that this work was supported by Beijing Municipal Science & Technology Commission (Grant No. Z221100007422010); STI2030-Major Projects (Grant No. 2021ZD0200600); Beijing High level Public Health Technical Talents Training Plan (Grant No. xuekegugan-01-12); and Beijing Municipal Administration of Hospitals Incubating Program (Grant No. PX2022074). The funders had no role in the study design, data collection and analysis, decision to publish, or preparation of the manuscript.

Acknowledgments

We would like to express our sincere gratitude to all patients enrolled in this study for their valuable speech recordings and clinical information, without whom this research could not be completed. We also acknowledge the clinicians and research assistants at Beijing Anding Hospital for their great support throughout the whole data collection process.

Conflict of interest

The author(s) declared that this work was conducted in the absence of any commercial or financial relationships that could be construed as a potential conflict of interest.

Generative AI statement

The author(s) declared that generative AI was not used in the creation of this manuscript.

Any alternative text (alt text) provided alongside figures in this article has been generated by Frontiers with the support of artificial intelligence and reasonable efforts have been made to ensure accuracy, including review by the authors wherever possible. If you identify any issues, please contact us.

Publisher’s note

All claims expressed in this article are solely those of the authors and do not necessarily represent those of their affiliated organizations, or those of the publisher, the editors and the reviewers. Any product that may be evaluated in this article, or claim that may be made by its manufacturer, is not guaranteed or endorsed by the publisher.

Supplementary material

The Supplementary Material for this article can be found online at: https://www.frontiersin.org/articles/10.3389/fpsyt.2026.1944154/full#supplementary-material

References

• 1

  AssociationAP. Diagnostic and Statistical Manual of Mental Disorders. Washington, DC: American Psychiatric Association Publishing (2022).

  • Google Scholar
  • View reference in article

• 2

  ChanJKNSolmiMLoHKYChanMWYChooLLTLaiETHet al. All-cause and cause-specific mortality in people with depression: A large-scale systematic review and meta-analysis of relative risk and aggravating or attenuating factors, including antidepressant treatment. World Psychiatry. (2025) 24:404–21. doi: 10.1002/wps.21354

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 3

  BartuczMBDavidDOMatuSA. Cognitive vulnerabilities and depression: A culture-moderated meta-analysis. Cogn Ther Res. (2022) 46:502–16. doi: 10.1007/s10608-022-10299-9

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 4

  HerrmanHPatelVKielingCBerkMBuchweitzCCuijpersPet al. Time for united action on depression: A Lancet-World Psychiatric Association Commission. Lancet (London England). (2022) 399:957–1022. doi: 10.1016/s0140-6736(21)02141-3

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 5

  PosnerKBrownGKStanleyBBrentDAYershovaKVOquendoMAet al. The Columbia-Suicide Severity Rating Scale: Initial validity and internal consistency findings from three multisite studies with adolescents and adults. Am J Psychiatry. (2011) 168:1266–77. doi: 10.1176/appi.ajp.2011.10111704

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 6

  BallardEDGilbertJRWusinichCZarateCA. New methods for assessing rapid changes in suicide risk. Front Psychiatry. (2021) 12:598434. doi: 10.3389/fpsyt.2021.598434

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 7

  WyllieJMRobbKASandfordDEthersonMEBelkadiNO'connorRC. Suicide-related stigma and its relationship with help-seeking, mental health, suicidality and grief: Scoping review. BJPsych Open. (2025) 11:e60. doi: 10.1192/bjo.2024.857

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 8

  MelhemNMPortaGOquendoMAZelaznyJKeilpJGIyengarSet al. Severity and variability of depression symptoms predicting suicide attempt in high-risk individuals. JAMA Psychiatry. (2019) 76:603–13. doi: 10.1001/jamapsychiatry.2018.4513

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 9

  HoudeJFNagarajanSS. Speech production as state feedback control. Front Hum Neurosci. (2011) 5:82. doi: 10.3389/fnhum.2011.00082

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 10

  JordanETerrisseRLucariniVAlrahabiMKrebsM-ODesclésJet al. Speech emotion recognition in mental health: Systematic review of voice-based applications. JMIR Ment Health. (2025) 12:e74260. doi: 10.2196/74260

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 11

  BauerJFGerczukMSchindler-GmelchLAmiriparianSEbertDDKrajewskiJet al. Validation of machine learning-based assessment of major depressive disorder from paralinguistic speech characteristics in routine care. Depression Anxiety. (2024) 2024:9667377. doi: 10.1155/2024/9667377

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 12

  HomanSGabiMKleeNBachmannSMoserA-MDuri'Met al. Linguistic features of suicidal thoughts and behaviors: A systematic review. Clin Psychol Rev. (2022) 95:102161. doi: 10.1016/j.cpr.2022.102161

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 13

  VilenchikDCwikelJEzraYHausdorffTLazarovMSergienkoRet al. Method matters: Enhancing voice-based depression detection with a new data collection framework. Depression Anxiety. (2025) 2025:4839334. doi: 10.1155/da/4839334

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 14

  BeloualiAGuptaSSourirajanVYuJAllenNAlaouiAet al. Acoustic and language analysis of speech for suicidal ideation among US veterans. Biodata Min. (2021) 14:11. doi: 10.1186/s13040-021-00245-y

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 15

  CuiZLeiCWuWDuanYQuDWuJet al. Spontaneous speech-based suicide risk detection using whisper and large language models. arXiv preprint arXiv:2406.03882. (2024).

  • Google Scholar
  • View reference in article

• 16

  CumminsNSchererSKrajewskiJSchniederSEppsJQuatieriTF. A review of depression and suicide risk assessment using speech analysis. Speech Commun. (2015) 71:10–49. doi: 10.1016/j.specom.2015.03.004

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 17

  LiTMHChenJLawFOCLiCTChanNYChanJWYet al. Detection of suicidal ideation in clinical interviews for depression using natural language processing and machine learning: Cross-sectional study. JMIR Med Inform. (2023) 11:e50221. doi: 10.2196/50221

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 18

  MinSShinDRheeSJParkCHKYangJHSongYet al. Acoustic analysis of speech for screening for suicide risk: Machine learning classifiers for between- and within-person evaluation of suicidality. J Med Internet Res. (2023) 25:e45456. doi: 10.2196/45456

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 19

  LinQZhangJWangWTanCWuXZhaoJ. A machine learning-based case-control study on suicide risk identification: Integrating acoustic and linguistic features under stress conditions. Depression Anxiety. (2025) 2025:1671972. doi: 10.1155/da/1671972

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 20

  HamiltonM. A rating scale for depression. J neurology neurosurgery Psychiatry. (1960) 23:56. doi: 10.1136/jnnp.23.1.56

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 21

  LiXPhillipsMTongYLiKZhangYZhangY-Pet al. Reliability and validity of the Chinese version of Beck Suicide Ideation Scale (BSI-CV) in adult community residents. Chin Ment Health J. (2010) 24:250–5.

  • Google Scholar
  • View reference in article

• 22

  RushAJCarmodyTReimitzPE. The Inventory of Depressive Symptomatology (IDS): Clinician (IDS‐C) and self‐report (IDS‐SR) ratings of depressive symptoms. Int J Methods Psychiatr Res. (2000) 9:45–59.

  • Google Scholar
  • View reference in article

• 23

  SpitzerRLKroenkeKWilliamsJBWLöweB. A brief measure for assessing generalized anxiety disorder: The GAD-7. Arch Internal Med. (2006) 166:1092–7. doi: 10.1001/archinte.166.10.1092

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 24

  RizviSJQuiltyLCSprouleBACyriacABagbyRMKennedySH. Development and validation of the Dimensional Anhedonia Rating Scale (DARS) in a community sample and individuals with major depression. Psychiatry Res. (2015) 229:109–19. doi: 10.1016/j.psychres.2015.07.062

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 25

  FeiYLiuLZhengDLiXLiWYangHet al. Reliability and validity of the Chinese version of the CUDOS-M in patients with mood disorders: A multicenter study across China. J Affect Disord. (2021) 294:723–9. doi: 10.1016/j.jad.2021.07.014

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 26

  BoersmaP. Praat, a system for doing phonetics by computer. Glot Int. (2001) 5:341–5.

  • Google Scholar
  • View reference in article

• 27

  McfeeBRaffelCLiangDEllisDPMcvicarMBattenbergEet al. librosa: Audio and music signal analysis in python. SciPy. (2015) 2015:7. doi: 10.25080/majora-7b98e3ed-003

  • CrossRef
  • Google Scholar
  • View reference in article

• 28

  CheWLiZLiuT. (2010). LTP: A Chinese Language Technology Platform. In: Proceedings of the 23rd International Conference on Computational Linguistics: Demonstrations. Beijing, China: COLING 2010 Organizing Committee. (2010). p. 13–6.

  • Google Scholar
  • View reference in article

• 29

  XuLHLinHFPanYRenHChenJM. Constructing the affective lexicon ontology. J China Soc For Sci Tech Inf. (2008) 27:180–5. [in Chinese].

  • Google Scholar
  • View reference in article

• 30

  BreimanL. Random forests. Mach Learn. (2001) 45:5–32. doi: 10.1023/a:1010933404324

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 31

  WeishaarMEBeckAT. Hopelessness and suicide. Int Rev Psychiatry. (1992) 4:177–84. doi: 10.3109/09540269209066315

  • CrossRef
  • Google Scholar
  • View reference in article

• 32

  MenneFDörrFSchräderJTrögerJHabelUKönigAet al. The voice of depression: Speech features as biomarkers for major depressive disorder. BMC Psychiatry. (2024) 24:794. doi: 10.1186/s12888-024-06253-6

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 33

  IyerRMeyerD. Detection of suicide risk using vocal characteristics: Systematic review. JMIR BioMed Eng. (2022) 7:e42386. doi: 10.2196/42386

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 34

  ShenDShenHMarronJS. Consistency of sparse PCA in high dimension, low sample size contexts. J Multivar Anal. (2013) 115:317–33. doi: 10.1016/j.jmva.2012.10.007

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 35

  Riera-SerraPNavarra-VenturaGCastroAGiliMSalazar-CedilloARicci-CabelloIet al. Clinical predictors of suicidal ideation, suicide attempts and suicide death in depressive disorder: A systematic review and meta-analysis. Eur Arch Psychiatry Clin Neurosci. (2024) 274:1543–63. doi: 10.1007/s00406-023-01716-5

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 36

  PennebakerJWMehlMRNiederhofferKG. Psychological aspects of natural language. use: Our words, our selves. Annu Rev Psychol. (2003) 54:547–77. doi: 10.1146/annurev.psych.54.101601.145041

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

• 37

  HawtonKLascellesKPitmanAGilbertSSilvermanM. Assessment of suicide risk in mental health practice: Shifting from prediction to therapeutic assessment, formulation, and risk management. Lancet Psychiatry. (2022) 9:922–8. doi: 10.1016/s2215-0366(22)00232-2

  • Pubmed Abstract
  • CrossRef
  • Google Scholar
  • View reference in article

Keywords

follow-up validation, major depressive disorder, random forest, speech features, suicide risk, textual features

Citation

Liu Y, Li N, Yang Q, Wang S, Wang G and Feng L (2026) Speech-based identification of suicide risk in patients with MDD: model development and 4-week follow-up validation. Front. Psychiatry 17:1944154. doi: 10.3389/fpsyt.2026.1944154

Received

21 July 2026

Revised

21 August 2026

Accepted

31 August 2026

Published

13 October 2026

Volume

17 - 2026

Edited by

Michelle Tye, University of New South Wales, Australia

Updates

Copyright

© 2026 Liu, Li, Yang, Wang, Wang and Feng.

This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY). The use, distribution or reproduction in other forums is permitted, provided the original author(s) and the copyright owner(s) are credited and that the original publication in this journal is cited, in accordance with accepted academic practice. No use, distribution or reproduction is permitted which does not comply with these terms.

*Correspondence: Lei Feng, flxlm@ccmu.edu.cn; Gang Wang, gangwangdoc@ccmu.edu.cn

Disclaimer

All claims expressed in this article are solely those of the authors and do not necessarily represent those of their affiliated organizations, or those of the publisher, the editors and the reviewers. Any product that may be evaluated in this article or claim that may be made by its manufacturer is not guaranteed or endorsed by the publisher.