کاربرد پردازش سیگنال گفتار (Speech Signal Processing) و هوش مصنوعی (AI) در حوزه روانپزشکی محاسباتی (Computational Psychiatry)، بهویژه در ارزیابی و مدیریت بیماری اسکیزوفرنی (Schizophrenia)، یکی از جذابترین و امیدبخشترین زمینههای بینرشتهای مهندسی و پزشکی است. در روانپزشکی، زبان و گفتار پنجرهای مستقیم رو به نحوه کارکرد مغز و ساماندهی افکار هستند. در ادامه، این موضوع را در ابعاد بالینی، مهندسی و درمانی بررسی میکنیم.

# ۱. پیوند بالینی: چرا گفتار در اسکیزوفرنی تغییر میکند؟
اسکیزوفرنی اختلالی عصبی-رشدی و روانپزشکی است که علائم آن معمولاً به دو دسته اصلی تقسیم میشوند و هر دو اثر مستقیمی روی گفتار دارند:
1. علائم منفی (Negative Symptoms):
* کندی روانی-حرکتی (Psychomotor Retardation): کاهش سرعت انتقال پیامهای عصبی به تارهای صوتی و عضلات بیان، که باعث مکثهای طولانی و ریتم کند گفتار میشود.
* بیتفاوتی عاطفی یا بلندی هیجانی (Flat / Blunted Affect): لحن بیمار یکنواخت، بیاحساس و فاقد افتوخیز معمول است.
* کاهش حجم کلام (Alogia): پاسخهای کوتاه، با محتوای اندک و فقر واژگانی.
2. علائم مثبت و اختلال فکر (Positive Symptoms & Formal Thought Disorder):
* پراکندگی افکار و سستی تداعیها (Loosening of Associations / Tangentiality): بیمار از یک موضوع به موضوعی نامربوط میپرد، بدون اینکه ارتباط منطقی بین جملات برقرار باشد.
* دَروَرسی یا پرحرفی پریشان (Derailment / Word Salad): ساختار نحوی یا معنایی جملات از هم میپاشد.

مهندسان سیگنال با بررسی لایههای پایین و فیزیکی موج صوت، ویژگیهایی را استخراج میکنند که علائم منفی بالینی را کمیسازی (Quantify) میکنند، مثلا:
* یکنواختی فرکانس پایه (F_0 یا Pitch):
* پزشکی: کاهش تغییرات هیجانی (Aprosody).
* سیگنال: محاسبه واریانس، انحراف معیار و نرخ تغییرات مشتق F_0. در بیماران، نمودار کانتور گام (Pitch Contour) بسیار مسطح و کمنوسان است.
* تحلیل طیفی و رنگ صدا (Timbre & Spectral Envelope):
استفاده از ضرایب کپسترال فرکانس مل (MFCCs)، پهنای باند و مراکز سازه یا همان فرمانتها (F_1, F_2, F_3). تغییر در فرمانتها نشاندهنده تغییر در هماهنگی عضلات زبان و فک در تشکیل واکهها (Vowels) است.
* آشفتگیهای صوتی (Micro-tremors & Acoustic Perturbation):
معیارهایی مانند Jitter (نوسان پریودیک ارتعاش تارهای صوتی) و Shimmer (نوسان دامنه ارتعاش تارهای صوتی)، بیثباتی در کنترل عصبی-عضلانی حنجره را ثبت میکنند.
* ویژگیهای زمانی و مکثها (Temporal & Rhythm Features):
* نسبت زمان سکوت به زمان صحبت (Silence-to-Speech Ratio)، طول میانگین مکثها و زمان پاسخدهی (Latency). بیماران اسکیزوفرنی مکثهای بیمورد و طولانیتری بین کلمات دارند که نشانه تاخیر در پردازش شناختی است.

اگر آکوستیک نشان دهد بیمار «چگونه» صحبت میکند، پردازش متن و زبان طبیعی نشان میدهد بیمار «چه» میگوید و «چگونه فکر میکند» (ارزیابی اختلال تفکر):
* اندازهگیری انسجام معنایی (Semantic Coherence):
* با استفاده از مدلهای زبانی بزرگ (LLMs) و بردارسازی تعبیهشده (Word/Sentence Embeddings مانند Word2Vec تا BERT):
* زاویه کسینوسی بردار بین جملات متوالی محاسبه میشود (CosineDistance\ Similarity).
* یافته بالینی: در گفتار پریشان اسکیزوفرنی، شباهت معنایی بین جملههای متوالی افت ناگهانی نشان میدهد (پرش افکار یا Tangentiality).
* اندازهگیری تنوع واژگانی و سردرگمی مدل (Perplexity):
* بیماران دایره واژگانی بستهتری دارند یا ترکیبهای غیرعادی میسازند (Neologisms). با محاسبه آنتروپی اطلاعات و Perplexity مدلهای زبانی، میزان نامتعارف بودن جملات کمیسازی میشود.
* گراف گفتار (Speech Graphs):
* کلمات به گرهها (Nodes) و توالی آنها به یالها (Edges) در گراف تبدیل میشوند. معیارهای توپولوژیک گراف مانند تعداد حلقهها (Loops) و قطر گراف نشان میدهند که آیا فکر ساختار خطی و هدفمند دارد یا به دور خود میچرخد و چندتکه است.
1. غربالگری در مرحله پیشنشانهای (Prodromal Stage):
دورهای موسوم به UHR (Ultra-High Risk) وجود دارد که فرد هنوز دچار سایکوز کامل نشده است. پژوهشها نشان دادهاند الگوهای معنایی استخراجشده با هوش مصنوعی میتوانند با دقت بالای ۷۰ تا ۸۰ درصد پیشبینی کنند کدام نوجوان یا جوان در معرض خطر طی ۲ سال آینده به سایکوز حاد مبتلا خواهد شد؛ کاری که برای روانپزشک تنها با مصاحبه بالینی استاندارد بسیار دشوار است.
2. پایش مداوم و غیرتهاجمی (Digital Phenotyping):
ثبت نمونههای صوتی کوتاه (مثلاً پاسخ به چند سوال روزانه از طریق اپلیکیشن موبایل) این امکان را میدهد که تغییرات نامحسوس گفتار به عنوان زیست نشانگردیجیتال (Digital Biomarker) بدون نیاز به مراجعه حضوری رصد شوند.
برخلاف تصور اولیه، نقش هوش مصنوعی تنها به تشخیص محدود نمیشود:
1. پیشبینی و هشدار زودهنگام عود بیماری (Relapse Prediction):
* عود مجدد اسکیزوفرنی معمولاً همراه با بستریهای پرهزینه و افت عملکرد مغز است. چند هفته پیش از عود حاد، ریتم گفتار و انسجام کلام دچار تغییرات ریز میشود. هوش مصنوعی با تشخیص این تغییرات هشدار زودهنگام میدهد تا دوز دارو تنظیم شود و از بستری جلوگیری به عمل آید.
2. سنجش اثربخشی داروها و ارزیابی عوارض جانبی:
* داروهای ضدروانپریشی (Antipsychotics) میتوانند علائم حرکتی ایجاد کنند (مانند پارکینسونیسم ناشی از دارو یا Dysarthria خفیف). با تحلیل آکوستیک گفتار میتوان دوز بهینه را بدون ایجاد لرزش تارهای صوتی تنظیم کرد و روند بهبودی علائم منفی را اندازه گرفت.
3. بازخورد زیستی (Biofeedback) و بازتوانی شناختی:
* بیماران میتوانند با بازیهای تعاملی یا دستیارهای صوتی آموزش ببینند که مکثهای گفتاری خود را کنترل کنند یا انسجام جملاتشان را ارتقا دهند.

* وابستگی به زبان و فرهنگ: الگوهای معنایی و مکثها در زبان فارسی با انگلیسی یا ژاپنی تفاوتهای زمینهای دارند و مدلها باید متناسب با ساختار زبانی بومی توسعه پیدا کنند.
* مسائل اخلاقی و حریم خصوصی: ضبط صدای افراد و ارزیابی سلامت روان نیاز به اخذ رضایت آگاهانه و امنیت فوقالعاده دادهها دارد.
* نقش کمکی (نه جایگزین): این ابزارها جایگزین روانپزشک نیستند، بلکه مانند یک «نوار قلب یا آزمایش خون برای ذهن»، شواهد کمی عینی در اختیار پزشک میگذارند تا تشخیصهای سلیقهای و مبتنی بر مصاحبه کیفی به سمت دادههای دقیق و اندازهپذیر هدایت شوند.