该研究提出了一种全自动方法，用于识别语音记录中的异常，辅助评估语音障碍。通过结合CTC和编码器-解码器模型，生成声学特征和转录本，能够有效区分失语症患者与健康人，准确率达到90%。该方法还可扩展应用于其他疾病和语言。

使用Whispter工具和BERTopic模型从智能手机采集的语音记录中鉴定出29个话题，其中6个话题与抑郁症风险相关。通过比较行为和语言特征，揭示了话题与抑郁症的关联。长期监测语言使用的重要性得到证明。特定的语音话题可能指示抑郁症的严重程度。数据驱动工作流提供了收集和分析大规模语音数据的实用方法。

本研究使用Whispter工具和BERTopic模型从智能手机采集的语音记录中鉴定出29个话题，其中6个话题中PHQ-8中值大于等于10被视为抑郁风险话题。通过比较识别到的话题之间的行为和语言特征，揭示了话题的产生及其与抑郁症的关联。研究发现特定的语音话题可能会指示抑郁症的严重程度，提供了一种在真实环境中收集和分析大规模语音数据的实用方法，可用于数字健康研究。