8月1日、Sara Zaskeが「AI Models Analyze Children's Speech to Predict Future Mental Health」と題した記事を公開した。この記事では、子どもの発話をNLPで分析することで、6年後の精神疾患発症を専門家パネルより高い精度で予測できることを示したスタンフォード大学の研究について詳しく紹介されている。以下に、その内容を紹介する。
「何を話したか」より「どう話したか」が予測精度を決める
この研究の最大の発見は、予測に効いたのが発話の内容ではなく構造だったという点だ。
研究チームは9〜13歳の子ども204人を対象に、ストレスフルな出来事について語る約1.5時間の音声インタビューを収録。その後6年間にわたって追跡調査し、精神疾患の発症を確認した。インタビュー音声の文字起こしを4種類のNLPモデルで分析したところ、専門家パネルによる累積ストレス重篤度の評価スコアと比べ、2倍以上の分散を説明できたという。
特徴的だったのは、予測力の源泉が「何を話したか（内容）」ではなく「どう話したか（スタイル）」にあったことだ。具体的には、接続詞（and、but）、前置詞（to、of）、一人称代名詞（I、me）といった機能語（function words）の使用パターンが、将来の精神疾患を予測する上で、トラウマの具体的な内容の記述よりも有意に強い予測力を示した。
論文の筆頭著者でスタンフォード大学の神経科学博士課程に在籍するChase Antonacciは次のように述べている。
「私たちは、これらの臨床インタビューを一つの数値に還元することで、非常に豊かで多様なニュアンスを失っていたと気づいた。そこで、あの音声録音を別の方法で活用できないかと考えた。」
機能語が精神状態を反映するという知見は、心理学研究では以前から指摘されており、今回の研究もその延長線上にある。機能語は意識的にコントロールしにくいため、認知処理のパターンや感情調整の傾向が無意識に滲み出やすいと考えられている。本研究でも使用されたLIWC（Linguistic Inquiry and Word Count）は、テキストの言語的特徴を定量化するツールで、開発者のJames W. Pennebaker（テキサス大学オースティン校）も共著者に名を連ねている。
リスクと回復力を示すコンテンツシグナル
発話の「内容」も完全に無関係ではなかった。内容から読み取れたリスク・回復力のシグナルは次のとおりだ。
- リスクと相関した内容： 殴打や窒息といった極端な身体的暴力、学校全体から排除されているといった強烈な社会的孤立の描写
- 回復力と相関した内容： 社会的サポートへの言及、スポーツや部活動などの課外活動、そしてセラピストやカウンセラーへのアクセスに関する言及（最も強い保護シグナルの一つとして浮上した）
既存の生体指標との比較
これまで子どものメンタルヘルスリスクを客観的に測定する手法としては、唾液中のコルチゾール値、ストレス反応性の生理的測定、テロメア長（慢性的な心理的ストレスで短縮する染色体末端の保護構造）などが研究されてきた。ただし、これらはいずれも採血や専用機器が必要で、大規模スクリーニングへの適用が難しい。
共同上席著者でスタンフォード大学心理学教授のIan Gotlibはこう語る。
「コルチゾール、ストレス反応性、テロメア長はいずれも予測に有用だが、発話は安価でスケーラブルだ。これらの要因単体より強い予測力を持つかもしれない。」
スマートフォンへの展開が現実的な次のステップ
研究チームが描く実用化のシナリオは、スマートフォンで録音した子どもの会話をNLPで解析し、リスクのある子どもを発症の数年前に特定するというものだ。Gotlibは「もしこの知見が大規模データセットでも再現されれば、それが可能になる」と述べている。
現時点での対象は204人と規模が小さく、より広い集団での検証が次の課題として明示されている。論文はNature Mental Healthにオープンアクセスで公開されており、DOIは10.1038/s44220-026-00683-9だ。研究はNational Institute of Mental HealthおよびNational Science Foundationの支援を受けている。
詳細はAI Models Analyze Children's Speech to Predict Future Mental Healthを参照していただきたい。
