研究结果使得临床上有望出现一种可助于诊断和预后如精神分裂症等严重精神疾病的工具。

研究人员也相信这很可能用于治疗监测。

他们还说，早期通过语音识别可以帮助延缓、减轻甚至是阻止严重精神疾病的发作。

来自哥伦比亚大学医学中心，纽约州精神病研究所和IBM TJ Watson研究中心的研究人员发现，计算机分析比临床评分所提供的分类更为准确。

作者做了如下总结：

“计算机分析复杂的人类行为如讲话可能会有机会将原先过分依赖精神病患者的自我报告和临床观察的情况转变为针对个别病人健康和疾病的更为客观的措施。”

诊断精神病和治疗严重精神疾病的能力“受阻”于客观临床试验的缺乏，作者说。其他领域的药物却得益于这种测试而在常规使用着。

语言分析计算机预测精神病优于临床鉴别

计算机现在才开始在精神病学领域进行探索，但长期以来，计算机一直被用于模型结合人口统计数据和购买行为推出个性化的广告内容，“使用自动语言评估筛选求职者和给文章打分。”

在各种改变的状态中，通过言语呈现出独特的心灵窗口，特别是与精神病有关的。言语给出了“关于人们所想的和所感觉的重要线索。”

临床精神科医生可以直观地意识到在传统访谈过程中出现思想混乱的迹象，但一台机器可以精确测量语音的变化。

在这项研究中，参与者们在描述主观体验时给出了一个开放式的、叙述式的访谈。访谈记录以语音模式进行了计算机分析，包括语义（含义）和语法（结构）。

就每个病人的语义连贯性（如何停留在主题）和句法结构（如短语长度和连接词的使用）。

参与者随访2.5年直到精神病发作，之后每三个月评估一次。作者发现：

“基于自动化分析的分类比以临床评分为基础的效果要好得多，表明自动语音分析超过了专家的临床意见可以提高预测能力。”

被认为具有预测功能的语音特征是，从一个句子到下一个句子意思的连贯性中断，语音的特点是较短的短语，较少的叙述。

语音分类工具可以机械地将症状相关的特征进行分类，准确率达到了100%，正确区分出5个后来精神病发作的和29个没有精神病发作的人。

“虽然需要在更大的样本中重复该试验，”研究人员说，这种方法可以识别思维障碍——精神分裂症的一个重要组成部分——在精神病发作的前几年，在发病早期，以最微妙的形式存在时。