미국의 MIT 연구원인 투카 알하나이와 무함마드 가셈 그리고 제임스 글라스는 인터스피치(Interspeech) 2018에 일상적인 상호 작용으로 우울증을 진단하는 시스템에 대한 논문(groups.csail.mit.edu/sls/publications/2018/Alhanai_Interspeech-2018.pdf)을 발표했다. 우울증을 진단하기 위해서는 환자에게 과거의 정신 질환이나 생활 습관 등을 질문하고 그에 대한 답변을 기반으로 환자의 상태를 점검한다. 그런데 최근 들어 진단용으로 유용하게 사용되고 있는 기계 학습을 이용해 사용자가 평소에 사용하는 텍스트나 오디오 데이터에서 우울증을 나타내는 음성 패턴을 발견하는 방법을 연구했다. 이것의 가장 중요한 부분은 바로 규정된 콘텍스트가 없는 점이다. 즉, 환자의 대답을 미리 유형화하지 않고도 자연스러운 대화를 통해 단어 선택, 화법 등에서 우울증의 징후를 감지한다. 별도의 검사를 하지 않고도 병의 징후를  확인할 수 있어 부담이 없으며 조기에 치료할 수 있다는 장점이 있다. 이를테면 스마트폰이 사용자의 대화 형태를 관찰해 우울증의 징후가 발견되면 지인이나 전문가에게 도움을 청하거나 앱을 추천할 수 있다. 

Detecting Depression with Audio/Text Sequence Modeling of Interviews, Tuka Alhanai, James Glass, Mohammad Ghassem(2018/08)