日本研究：用语音和语言特征分类双相障碍，准确率较高但尚不能当作诊断工具
一项日本观察性研究用双相障碍（BP）患者与健康对照的半结构化访谈语音，提取声学与语言特征训练机器学习模型，探索区分双相障碍与健康人、以及不同心境状态。
摘要报告模型区分双相障碍与健康对照的准确率较高，部分心境特征在平稳期仍可检出。 这是摘要级证据，样本来自单一国家，跨人群和其他精神疾病的有效性仍需验证，不能据此认为可替代临床诊断。
研究原始来源可核对
事实与证据边界
研究发表于《Journal of Medical Internet Research》，为观察性研究摘要。
研究分析了日本61名双相障碍患者与99名健康对照、历时7年、1至5次半结构化访谈的语音样本，提取6373个声学特征（openSMILE 3.0、ComParE 2016）与211个语言特征，并使用LASSO（最小绝对收缩和选择算子）正则化逻辑回归、嵌套交叉验证及按年龄性别匹配的欠采样进行分类。
七个分类任务覆盖双相障碍与健康对照、各心境状态与健康对照以及状态间比较。 摘要称区分双相障碍与健康对照的准确率较高，部分特征在平稳期仍可检出，但平稳期判别无法与同时使用抗精神病药物完全分离，且分析采用横断面聚合或单次就诊数据，未做人内纵向建模。
分析判断
该研究的价值在于验证“语音+语言”作为客观测量方向的可行性，而非给出可直接落地的筛查产品。 分类任务基于小样本、单一国家、横断面设计，且未与其他精神疾病做对照，摘要也明确指出需在多样人群和其他精神疾病中验证。 对面向校园和个人的情绪记录产品而言，这类研究提示语音可作为辅助性的状态观察维度，但离“筛查”或“诊断”仍有明显距离；
把模型表现解读为临床有效性属于越界。
后续观察信号
- 查找该论文全文，核对其报告的具体准确率与置信区间（摘要未给出数值）
- 查阅openSMILE、ComParE特征集在中文语音上的适用性研究