接続的沈黙を特定するための音響および語彙に基づく機械学習パイプライン

文脈：会話分析のためのスケーラブルな方法を開発することは、医療コミュニケーション科学と品質改善にとって不可欠です。目的：重要な患者の成果に関連する会話の特徴、接続的沈黙の特定を自動化する可能性を評価します。方法：緩和ケアコミュニケーション研究イニシアチブのコホート研究からの音声録音を使用し、音声録音上で並行して動作するランダムフォレストアルゴリズムとカスタム畳み込みニューラルネットワークの3つの機械学習（ML）ツールを含む自動測定パイプラインを開発し、その後、自動音声からテキストへの転写の短い抜粋を使用する自然言語処理アルゴリズムをテストします。結果：我々のMLパイプラインは、接続的沈黙を84％の感度と92％の特異度で特定しました。感情的および招待的サブタイプについては、感度が68％と67％、特異度がそれぞれ95％と97％でした。結論：これらの結果は、自然な病院ベースの臨床会話における接続的沈黙の完全な特定を自動化するための調整された補完的ML方法の能力を支持します。