ระบบผู้ชนะการแข่งขัน Interspeech 2025 ด้านการรู้จำอารมณ์จากเสียงพูดในสภาพธรรมชาติ ได้แมโคร-F1 เพียง 0.4316 จากแปดอารมณ์บนเสียงพูดจริงจากพอดแคสต์ ขณะที่โมเดลที่ดีที่สุดจาก 10 โมเดลที่ทดสอบได้ความแม่นยำแบบไม่ถ่วงน้ำหนัก 75.32% บนคลังข้อมูล RAVDESS ที่นักแสดงแสดงขึ้น (เกณฑ์เปรียบเทียบ EmoBox, Interspeech 2024) ช่องว่างแบบเดียวกันปรากฏในงานวิจัยเสียงทางคลินิก: โมเดลการเรียนรู้เชิงลึกให้ค่าความไวรวม 0.83 ในการตรวจจับภาวะซึมเศร้าจากเสียงพูด (Lu et al., BMC Psychiatry 2025) แต่มีเพียง 2 จาก 68 งานวิจัยเสียงด้านสุขภาพจิตที่ทดสอบโมเดลกับชุดข้อมูลอิสระ (Uy et al., Frontiers in Digital Health 2026) ในขณะเดียวกัน การบำบัดทางไกลกลายเป็นเรื่องปกติแล้ว: ผู้ใหญ่สหรัฐฯ 12.3% หรือ 32.6 ล้านคน รับการรักษาสุขภาพจิตผ่านบริการสุขภาพทางไกลในปี 2025 (SAMHSA, 2025 NSDUH) เรารวบรวมข้อมูลจากตารางอันดับการแข่งขันของ MSP Lab เกณฑ์เปรียบเทียบ EmoBox และ ParaLBench, BMC Psychiatry, Annals of Family Medicine, JMIR, SAMHSA, FAIR Health, CDC NCHS, American Psychological Association และข้อความของ EU AI Act สำหรับด้านภาวะสมองเสื่อมในงานวิจัยสุขภาพจากเสียง ดูสรุปแยกต่างหากของเราเรื่องตัวบ่งชี้ชีวภาพจากเสียงสำหรับอัลไซเมอร์และความบกพร่องทางปัญญา
หน้านี้รายงานเฉพาะผลการวิจัยเท่านั้น ไม่ใช่คำแนะนำทางการแพทย์ และเครื่องมือใด ๆ ที่อธิบายในที่นี้ไม่สามารถทดแทนการประเมินโดยแพทย์ผู้เชี่ยวชาญได้
สรุปโดยย่อ
- ค่าแมโคร-F1 สูงสุดของการรู้จำอารมณ์จากเสียงพูดธรรมชาติแปดคลาสคือ 0.4316 เทียบกับค่าฐาน 0.3293 (MSP Lab, ตารางอันดับ Interspeech 2025 SER Challenge)
- โมเดลที่ดีที่สุดได้ความแม่นยำแบบไม่ถ่วงน้ำหนัก 75.32% บน RAVDESS ที่นักแสดงแสดงขึ้น แต่เพียง 22.24% บน MSP-Podcast (เกณฑ์เปรียบเทียบ EmoBox, Interspeech 2024)
- 17.98% ของ 267,905 ช่วงการพูดใน MSP-Podcast ไม่มีความสอดคล้องระหว่างผู้ประเมินเรื่องอารมณ์หลัก (Busso et al., MSP-Podcast Corpus 2025)
- ผู้ฟังที่เป็นมนุษย์ระบุอารมณ์ที่แสดงขึ้นในไฟล์เสียงพูด RAVDESS ได้ถูกต้องในสัดส่วน 0.63 (Livingstone และ Russo, PLOS ONE 2018)
- การตรวจจับภาวะซึมเศร้าจากเสียงพูดด้วยการเรียนรู้เชิงลึกได้ความไวรวม 0.83 และความจำเพาะรวม 0.86 จาก 16 งานวิจัย (Lu et al., BMC Psychiatry 2025)
- เครื่องมือเสียงที่ศึกษาในผู้ใหญ่ 14,898 คน (4,456 คนในชุดตรวจสอบ) ได้ความไว 71.3% และความจำเพาะ 73.5% สำหรับภาวะซึมเศร้าระดับปานกลางถึงรุนแรง (Mazur et al., Annals of Family Medicine 2025)
- มีเพียง 2 จาก 68 งานวิจัยเสียงด้านสุขภาพจิตที่ใช้การตรวจสอบแบบอิสระหรือข้ามชุดข้อมูล (Uy et al., Frontiers in Digital Health 2026)
- 32.8% ของผู้ใหญ่สหรัฐฯ ที่มีความเจ็บป่วยทางจิตใด ๆ ได้รับการรักษาผ่านบริการสุขภาพทางไกลในปี 2025 (SAMHSA, 2025 NSDUH)
- 52.1% ของผู้ป่วยบริการสุขภาพทางไกลที่มีประกันเอกชนมีการวินิจฉัยด้านสุขภาพจิตในไตรมาส 1 ปี 2026 (FAIR Health, Quarterly Telehealth Regional Tracker 2026)
- ข้อห้ามของ EU AI Act ต่อการอนุมานอารมณ์ในที่ทำงานและโรงเรียนมีผลบังคับใช้ตั้งแต่ 2 กุมภาพันธ์ 2025 (Regulation (EU) 2024/1689)
- 29% ของนักจิตวิทยาสหรัฐฯ ใช้ AI อย่างน้อยเดือนละครั้งในปี 2025 เพิ่มจาก 11% ในปี 2024 (APA, 2025 Practitioner Pulse Survey)
1. ความแม่นยำของเกณฑ์เปรียบเทียบบนคลังข้อมูลอารมณ์มาตรฐาน
ตัวชี้วัดสามตัวปรากฏซ้ำในส่วนนี้ ความแม่นยำแบบไม่ถ่วงน้ำหนัก (UA) คือค่าเฉลี่ยของอัตราการตอบถูกในแต่ละคลาสอารมณ์ ทำให้ทุกอารมณ์มีน้ำหนักเท่ากัน ความแม่นยำแบบถ่วงน้ำหนัก (WA) คือสัดส่วนคำตอบที่ถูกต้องตามปกติ ซึ่งให้รางวัลแก่โมเดลที่ทายอารมณ์ที่พบบ่อยที่สุดได้ถูก ส่วนแมโคร-F1 เป็นคะแนนที่สมดุลระหว่างคลาสในทำนองเดียวกัน และยังลงโทษการแจ้งเตือนผิดพลาดด้วย
บนคลังข้อมูลที่นักแสดงแสดงขึ้นหรือควบคุมอย่างเข้มงวด โมเดลที่ดีที่สุดได้คะแนนระหว่าง 73.54% UA (IEMOCAP) ถึง 84.62% UA (ESD) โมเดลที่ฝึกไว้ล่วงหน้าตัวที่ดีที่สุดจาก 10 ตัวได้ 84.62% UA บนคลังข้อมูล ESD แต่เพียง 22.24% UA บน MSP-Podcast ซึ่งเป็นคลังข้อมูลเสียงพูดจริงจากพอดแคสต์ (เกณฑ์เปรียบเทียบ EmoBox, Interspeech 2024) บน MSP-Podcast ความแม่นยำแบบถ่วงน้ำหนักของโมเดลเดียวกันสูงกว่าความแม่นยำแบบไม่ถ่วงน้ำหนักราวสองเท่า เป็นสัญญาณว่าโมเดลทำได้ดีกับอารมณ์ที่พบบ่อยและทำได้แย่กับอารมณ์ที่พบน้อย ตัวเลขความแม่นยำเด่น ๆ จากคลังข้อมูลที่นักแสดงแสดงขึ้นจึงบอกได้น้อยมากว่าระบบจะทำงานอย่างไรในสายโทรศัพท์หรือในเซสชันบำบัด ตารางฉบับเต็มแยกตามชุดข้อมูลอยู่ในบทความ EmoBox
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| UA ที่ดีที่สุดในหมู่ 10 โมเดล (Whisper large v3): IEMOCAP (บทสนทนาสองฝ่ายที่แสดงขึ้น) และ RAVDESS (เสียงพูดที่แสดงขึ้น) | 73.54% และ 75.32% | EmoBox (Ma et al.), Interspeech 2024 |
| คลังข้อมูล RAVDESS: นักแสดงมืออาชีพและไฟล์เสียงพูด | นักแสดง 24 คน (หญิง 12 ชาย 12) ไฟล์เสียงพูด 1,440 ไฟล์ | Livingstone และ Russo, ระเบียน Zenodo ของ RAVDESS 2018 |
| CREMA-D และ ESD (คลังข้อมูลที่นักแสดงแสดงขึ้น) UA ที่ดีที่สุด | 76.75% และ 84.62% | EmoBox (Ma et al.), Interspeech 2024 |
| MSP-Podcast (เสียงพูดธรรมชาติจากพอดแคสต์) โมเดลที่ดีที่สุด: UA เทียบกับ WA | 22.24% เทียบกับ 44.10% | EmoBox (Ma et al.), Interspeech 2024 |
| MELD (บทสนทนาจากซีรีส์โทรทัศน์) โมเดลที่ดีที่สุด: UA เทียบกับ WA | 31.54% เทียบกับ 51.89% | EmoBox (Ma et al.), Interspeech 2024 |
| อารมณ์สี่คลาสของ IEMOCAP UA ที่ดีที่สุดในหมู่ 14 โมเดลรากฐานด้านเสียง (Whisper-large) | 0.690 | เกณฑ์เปรียบเทียบ ParaLBench, arXiv 2411.09349 (2024) |
| อารมณ์สี่คลาสของ IEMOCAP UA ของ WavLM-large | 0.685 | เกณฑ์เปรียบเทียบ ParaLBench, arXiv 2411.09349 (2024) |
| ขนาดของคลังข้อมูล IEMOCAP | ข้อมูลภาพและเสียงประมาณ 12 ชั่วโมง | USC SAIL Lab, หน้าฐานข้อมูล IEMOCAP |
บริบท: EmoBox ครอบคลุม 32 ชุดข้อมูลอารมณ์ใน 14 ภาษา คลังข้อมูลแต่ละชุดต่างกันทั้งจำนวนคลาสอารมณ์และวิธีสร้างเสียงพูด (ป้ายกำกับเชิงหมวดหมู่ของ IEMOCAP เน้นสี่อารมณ์ ส่วนเสียงพูดของ RAVDESS ใช้แปดอารมณ์) คะแนนจึงเปรียบเทียบกันได้ภายในแถวเดียวกันแต่เปรียบเทียบข้ามแถวไม่ได้ ผลของ ParaLBench ได้ข้อสรุปคล้ายกันจากกลุ่มโมเดลที่ต่างออกไป
2. สภาพธรรมชาติ: การแข่งขัน Interspeech 2025
การแข่งขัน Interspeech 2025 ให้ทีมต่าง ๆ จำแนกแปดอารมณ์ (โกรธ มีความสุข เศร้า กลัว ประหลาดใจ ดูถูก รังเกียจ เป็นกลาง) ในเสียงพูดที่เกิดขึ้นเองจากคลังข้อมูล MSP-Podcast และทำนายความตื่นตัว วาเลนซ์ และความรู้สึกควบคุมบนสเกล 1 ถึง 7 ค่าแมโคร-F1 ของผู้ชนะที่ 0.4316 เพิ่มขึ้นราว 0.10 จากค่าฐาน 0.3293 (การคำนวณของเราจากตารางอันดับทางการ) ซึ่งเป็นความก้าวหน้าจริง แต่ก็ยังหมายความว่าการตัดสินแปดทางส่วนใหญ่บนเสียงพูดธรรมชาติยังเป็นการตัดสินที่ยาก
งานเชิงมิติเล่าเรื่องคล้ายกัน CCC หรือสัมประสิทธิ์สหสัมพันธ์ความสอดคล้อง วัดว่าคะแนนที่ทำนายตามการประเมินของมนุษย์ใกล้เคียงเพียงใด (1 หมายถึงสอดคล้องสมบูรณ์) ระบบชั้นนำตามวาเลนซ์ (เสียงฟังดูเป็นบวกหรือลบเพียงใด) ได้ดีกว่าความรู้สึกควบคุม (ผู้พูดฟังดูควบคุมสถานการณ์ได้เพียงใด) มาก บทความสรุปของผู้จัดการแข่งขันระบุว่าการรวมโมเดลรากฐานด้านเสียงและข้อความให้ระบบที่ทนทานที่สุด
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| งานที่ 1 (แปดคลาสอารมณ์) ค่าแมโคร-F1 ฐาน | 0.3293 | MSP Lab, ตารางอันดับ Interspeech 2025 SER Challenge |
| งานที่ 1 ค่าแมโคร-F1 สูงสุด (ทีม NTUA) | 0.4316 | MSP Lab, ตารางอันดับ Interspeech 2025 SER Challenge |
| งานที่ 2 (ความตื่นตัว วาเลนซ์ ความรู้สึกควบคุม) ค่า CCC เฉลี่ย: ค่าฐานเทียบกับระบบอันดับหนึ่ง (ทีม SAIL) | 0.5797 เทียบกับ 0.6076 | MSP Lab, ตารางอันดับ Interspeech 2025 SER Challenge |
| งานที่ 2 ระบบอันดับหนึ่ง: CCC ของวาเลนซ์เทียบกับ CCC ของความรู้สึกควบคุม | 0.6829 เทียบกับ 0.498 | MSP Lab, ตารางอันดับ Interspeech 2025 SER Challenge |
| จำนวนผลงานที่ส่งในงานที่ 1 ตามที่ทีมผู้เข้าแข่งขันทีมหนึ่งรายงาน | 166 | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
| ระบบของทีมเดียวกัน ให้คะแนนโดยผู้จัดหลังกำหนดส่ง: แมโคร-F1 | 44.02% | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
| ข้อมูลฝึกของการแข่งขัน: ตัวอย่างเป็นกลางเทียบกับตัวอย่างความกลัว | เป็นกลางพบบ่อยกว่าราว 26 เท่า | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
บริบท: ระบบ MEDUSA ที่ได้อันดับหนึ่งใช้ชุดรวมของ 14 โมเดล แต่ฝึกบนการ์ดจอ RTX 3090 เพียงใบเดียว เพดานตรงนี้จึงอยู่ที่ข้อมูล ไม่ใช่พลังประมวลผล การแข่งขันจับคู่ข้อมูลฝึกที่ไม่สมดุลกับชุดทดสอบที่สมดุลระหว่างคลาสอารมณ์ (Dutta et al., ABHINAYA 2025) ซึ่งเป็นเหตุผลที่การจัดการความไม่สมดุลปรากฏเด่นในผลงานชั้นนำ
3. ความคลุมเครือของป้ายกำกับ ความสอดคล้องของมนุษย์ และการถ่ายโอนข้ามคลังข้อมูล
คะแนนต่ำในส่วนที่ 2 ส่วนหนึ่งเป็นปัญหาการวัด เกือบหนึ่งในห้าของช่วงการพูดในรุ่นสุดท้ายของ MSP-Podcast (48,180 จาก 267,905) ไม่มีป้ายกำกับใดได้เสียงมากที่สุดสำหรับอารมณ์หลักในหมู่ผู้ประเมินอย่างน้อยห้าคน (Busso et al., The MSP-Podcast Corpus 2025) เมื่อมนุษย์ตกลงกันไม่ได้ว่าจะใช้ป้ายกำกับใด โมเดลที่ถูกให้คะแนนเทียบกับป้ายกำกับนั้นก็รับความไม่ลงรอยนั้นมาเป็นเพดาน
การถ่ายโอนระหว่างคลังข้อมูลเป็นจุดอ่อนประการที่สอง โมเดลที่ฝึกบนชุดข้อมูลหนึ่งและทดสอบบนอีกชุดหนึ่ง (การทดสอบข้ามคลังข้อมูล) ต้องเผชิญกับผู้พูดใหม่ ไมโครโฟนใหม่ และนิสัยการติดป้ายกำกับใหม่ ในการทดสอบข้ามคลังข้อมูลของ EmoBox แต่ละคลังให้คลิปทดสอบ 240 คลิปที่สมดุลระหว่างสี่อารมณ์ (โกรธ มีความสุข เป็นกลาง เศร้า) การเดาสุ่มจึงจะได้ประมาณ 25% โมเดลที่แข็งแกร่งที่สุดคือ Whisper large v3 ได้ความแม่นยำตั้งแต่ 36.44% ถึง 66.91% ใน 12 คู่ฝึก-ทดสอบ
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| MSP-Podcast 2.0: เสียงที่มีคำอธิบายประกอบ ช่วงการพูด ผู้พูด ผู้ประเมินต่อช่วง | 409 ชั่วโมง 267,905 ช่วง ผู้พูด 3,641 คน ผู้ประเมินอย่างน้อย 5 คนต่อช่วง | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| ช่วงการพูดที่ไม่มีป้ายกำกับใดได้เสียงมากที่สุดสำหรับอารมณ์หลัก | 48,180 จาก 267,905 (17.98% การคำนวณของเรา) | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| ความสอดคล้องระหว่างผู้ประเมินสำหรับอารมณ์หลัก (แคปปา) | 0.411 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| ช่วงการพูดที่ติดป้ายกำกับว่ากลัว | 1,943 จาก 267,905 (0.73% การคำนวณของเรา) | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| ผู้ฟังที่เป็นมนุษย์ซึ่งไม่ได้รับการฝึก ระบุอารมณ์ที่แสดงขึ้นในเสียงพูด RAVDESS จากเสียงอย่างเดียว (สัดส่วนที่ถูกต้อง) | 0.63 (ช่วงความเชื่อมั่น 95% .62 ถึง .64) | Livingstone และ Russo, PLOS ONE 2018 (ข้อมูลล่าสุดที่มี) |
| ความแม่นยำข้ามคลังข้อมูลของ Whisper large v3: ฝึกบน IEMOCAP ทดสอบบน RAVDESS เทียบกับฝึกบน RAVDESS ทดสอบบน SAVEE | 38.24% เทียบกับ 66.91% | ตารางอันดับข้ามคลังข้อมูลของ EmoBox, 2024 |
| ความสอดคล้องของวาเลนซ์ (CCC) ของโมเดลที่แมปตามผู้ติดป้ายกำกับ: ทดสอบบน MSP-Podcast เทียบกับถ่ายโอนไปยัง IEMOCAP | .647 เทียบกับ .516 | Tavernor และ Mower Provost, arXiv 2509.12295 (2025) |
บริบท: ตัวเลขของมนุษย์บน RAVDESS กับคะแนนโมเดลในส่วนที่ 1 ไม่ใช่การแข่งขันแบบเผชิญหน้ากันโดยตรง เพราะผู้ฟังเลือกจากแปดป้ายกำกับบวกตัวเลือก ‘ไม่ตรงกับข้อใดเลย’ ภายใต้เงื่อนไขที่ต่างกัน ตัวเลขข้ามคลังข้อมูลของ EmoBox อยู่ในตารางอันดับสาธารณะ และข้อมูลการตรวจสอบของ RAVDESS บันทึกไว้ในระเบียน Zenodo
4. ความแม่นยำในการตรวจจับภาวะซึมเศร้าและความวิตกกังวลจากเสียง
โมเดลเสียงทางคลินิกมักไม่จำแนกอารมณ์แบบแยกส่วน แต่ทำนายว่าคะแนนของบุคคลในแบบสอบถาม เช่น PHQ-9 (ภาวะซึมเศร้า) หรือ GAD-7 (ความวิตกกังวล) เกินเกณฑ์หรือไม่ เมื่อรวม 16 งานวิจัยการเรียนรู้เชิงลึก การตรวจจับภาวะซึมเศร้าจากเสียงพูดได้ความไว 0.83 และความจำเพาะ 0.86 (Lu et al., BMC Psychiatry 2025) งานวิจัยเดี่ยวที่ใหญ่ที่สุดด้านล่างรายงานตัวเลขที่ต่ำกว่า เป็นเครื่องเตือนว่าค่าเฉลี่ยรวมจากตัวอย่างขนาดเล็กจำนวนมากอาจดูดีเกินจริง
งานวิจัยนั้นเก็บเสียงพูดอิสระอย่างน้อย 25 วินาทีจากผู้ใหญ่ 14,898 คนในสหรัฐฯ และแคนาดา และในชุดตรวจสอบ 4,456 ตัวอย่าง รายงานความไว 71.3% (ช่วงความเชื่อมั่น 95% 69.0 ถึง 73.5) และความจำเพาะ 73.5% (ช่วงความเชื่อมั่น 95% 71.5 ถึง 75.5) (Mazur et al., Annals of Family Medicine 2025) งานวิจัยนี้ได้รับทุนผ่านทุน NSF ที่มอบให้ผู้พัฒนา และผู้เขียนสามคนเป็นพนักงานของบริษัทนั้น โมเดลความวิตกกังวลมีการศึกษาน้อยกว่ามาก และงานวิจัยในหญิงตั้งครรภ์แสดงให้เห็นว่าโมเดลเหล่านี้เปราะบางเพียงใดเมื่อเก็บไว้เฉพาะเสียงพูดของผู้ป่วยเอง
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| โมเดลเสียงพูดการเรียนรู้เชิงลึกสำหรับภาวะซึมเศร้า: ความไว / ความจำเพาะรวม (16 งานวิจัย) | 0.83 (ช่วงความเชื่อมั่น 95% 0.77 ถึง 0.88) / 0.86 (ช่วงความเชื่อมั่น 95% 0.80 ถึง 0.90) | Lu et al., BMC Psychiatry 2025 |
| AUC รวม: การเรียนรู้เชิงลึกเทียบกับการเรียนรู้ของเครื่องแบบดั้งเดิม | 0.91 เทียบกับ 0.89 | Lu et al., BMC Psychiatry 2025 |
| เครื่องมือเสียงเทียบกับคะแนน PHQ-9 ตั้งแต่ 10 ขึ้นไป (การศึกษาผู้ใหญ่ 14,898 คน 4,456 คนในชุดตรวจสอบ): ความไว / ความจำเพาะ | 71.3% / 73.5% | Mazur et al., Annals of Family Medicine 2025 |
| ตัวอย่างในชุดตรวจสอบที่ส่งกลับมาเป็น ‘แนะนำให้ประเมินเพิ่มเติม’ แทนผลใช่/ไม่ใช่ | 920 จาก 4,456 (ราว 20%) | Mazur et al., Annals of Family Medicine 2025 |
| ผู้ใหญ่ชาวฝรั่งเศสจากประชากรทั่วไป (865 คน): AUC สำหรับภาวะซึมเศร้า (PHQ-9) และความวิตกกังวล (GAD-7) | 0.76 และ 0.77 | Riad et al., Journal of Medical Internet Research 2024 |
| การศึกษาเดียวกัน: คะแนน F1 สำหรับความเสี่ยงตาม PHQ-9 และ GAD-7 | 0.49 และ 0.50 | Riad et al., Journal of Medical Internet Research 2024 |
| งานวิจัยในหญิงตั้งครรภ์ (146 คน): F1 ของโมเดล GAD บทสัมภาษณ์เต็มเทียบกับเฉพาะเสียงพูดของผู้ป่วยที่ยืนยันแล้ว | 76% ถึง 80% เทียบกับ 51% ถึง 65% | Bayrampour et al., Journal of Clinical Psychiatry 2026 |
| ระดับเสียง (ความถี่มูลฐาน) ในผู้มีภาวะซึมเศร้าเทียบกับกลุ่มควบคุม รวมจาก 6 งานวิจัย | ต่ำกว่า 1.82 Hz, p = 0.56 (ไม่มีนัยสำคัญ) | Cantor-Cutiva et al., Depression and Anxiety 2026 |
บริบท: ช่องว่าง AUC ระหว่างการเรียนรู้เชิงลึกกับโมเดลแบบดั้งเดิมไม่มีนัยสำคัญทางสถิติในการวิเคราะห์ของ BMC Psychiatry และงานวิจัย JMIR เรื่องความวิตกกังวลและภาวะซึมเศร้าแสดงว่า AUC ที่น่านับถือยังคงมาคู่กับ F1 ที่ไม่สูงนักได้ เมื่อมีคนในกลุ่มตัวอย่างเพียงไม่กี่คนที่เกินเกณฑ์ สำหรับแอปผู้บริโภคที่บันทึกไดอารีเสียงแทนการคัดกรองโรค ดูสรุปของเราเรื่องแอปไดอารีเสียงและแอปบำบัดด้วย AI
5. ช่องว่างของหลักฐาน: การตรวจสอบความถูกต้อง ความเป็นธรรม และความพร้อมทางคลินิก
ตัวเลขความแม่นยำในส่วนที่ 4 ส่วนใหญ่มาจากโมเดลที่ทดสอบบนข้อมูลที่คล้ายข้อมูลฝึก การทบทวนเชิงขอบเขตปี 2026 พบว่ามีเพียง 2 จาก 68 งานวิจัยเสียงและการพูดด้านสุขภาพจิต (3%) ที่ตรวจสอบโมเดลกับกลุ่มตัวอย่างอิสระหรือข้ามชุดข้อมูล (Uy et al., Frontiers in Digital Health 2026) เมื่ออ่านคู่กับส่วนที่ 3 ซึ่งความแม่นยำลดลงอย่างรวดเร็วเมื่อข้ามคลังข้อมูล นี่คือเหตุผลเดี่ยวที่ใหญ่ที่สุดที่ควรลดทอนน้ำหนักของตัวเลขความแม่นยำเด่น ๆ
ความเป็นธรรมเป็นคำถามเปิดอีกข้อ ในการศึกษาภาวะซึมเศร้าที่มีผู้เข้าร่วม 14,898 คน ความไวในผู้ชายต่ำกว่าผู้หญิง 14.7 จุดเปอร์เซ็นต์ (59.3% เทียบกับ 74.0%) และผู้ชายมีสัดส่วนเกินในกรณีที่ตรวจไม่พบ (31.7% ของผลลบเทียม เทียบกับ 27.9% ของชุดตรวจสอบ) เทคโนโลยีเสียงพูดมีประวัติยาวนานที่ประสิทธิภาพไม่เท่ากันระหว่างกลุ่มผู้พูด ดังที่สรุปของเราเรื่องอคติด้านสำเนียงในการรู้จำเสียงพูดบันทึกไว้
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| งานวิจัยเสียงด้านสุขภาพจิตที่มีการตรวจสอบแบบอิสระหรือข้ามชุดข้อมูล | 2 จาก 68 (3%) | Uy et al., Frontiers in Digital Health 2026 |
| งานวิจัยในการทบทวนเดียวกันที่มุ่งเป้าภาวะซึมเศร้า | 56 จาก 68 (82%) | Uy et al., Frontiers in Digital Health 2026 |
| งานวิจัยที่เก็บเสียงพูดแบบเชิงรับ (บันทึกเสียงรอบข้าง) | 3 จาก 68 (4%) | Uy et al., Frontiers in Digital Health 2026 |
| การประเมินชุดข้อมูลคัดกรองด้วยเสียงที่มีการตรวจสอบภายนอก / การทดสอบในโลกจริง | 32% / 8% (จาก 37 การประเมิน) | Muntean-Codrea et al., Life 2026 |
| การประเมินชุดข้อมูลที่ได้รับการจัดว่ามีความพร้อมทางคลินิกสูง | 11% | Muntean-Codrea et al., Life 2026 |
| งานวิจัยที่รวมไว้ (จาก 34 งาน) ที่กล่าวถึงความวิตกกังวล | 1 | Muntean-Codrea et al., Life 2026 |
| งานวิจัยด้านความสามารถในการอธิบายของ AI เสียงทางคลินิกที่มีการประเมินโดยผู้มีส่วนได้ส่วนเสียแบบมีมนุษย์ร่วมในกระบวนการ | 0 จาก 30 | Ebraheem et al., Journal of Medical Internet Research 2026 |
| ความไวของเครื่องมือเสียงสำหรับภาวะซึมเศร้า: ผู้ชายเทียบกับผู้หญิง | 59.3% เทียบกับ 74.0% | Mazur et al., Annals of Family Medicine 2025 |
บริบท: งานทบทวนใน Life ระบุว่า ‘ไม่มีการประเมินใดที่ผ่านครบทั้งห้าตัวชี้วัด’ ของความพร้อมทางคลินิก (Muntean-Codrea et al., Life 2026) งานทบทวนเรื่องความสามารถในการอธิบายของ JMIRพบว่า 6 จาก 30 งานวิจัยใช้ข้อมูลภายนอกเพื่อตรวจสอบคำอธิบายของตน
6. การใช้การบำบัดทางไกลเพื่อสุขภาพจิต
บริการสุขภาพทางไกลคือที่ที่การวิเคราะห์เสียงน่าจะทำงานได้มากที่สุด เพราะเสียงในเซสชันผ่านซอฟต์แวร์อยู่แล้ว ในปี 2025 ผู้ใหญ่สหรัฐฯ 44.7% ที่เคยมีอาการซึมเศร้ารุนแรงในช่วงหนึ่งปีที่ผ่านมา หรือ 8.8 ล้านคน รับการรักษาสุขภาพจิตผ่านบริการสุขภาพทางไกล (SAMHSA, 2025 NSDUH Annual National Report) การใช้งานในภาพรวมของประชากรลดลงเล็กน้อยจาก 12.8% ของผู้ใหญ่ในปี 2024 เป็น 12.3% ในปี 2025 ซึ่งบ่งชี้ว่าการบำบัดทางไกลลงหลักปักฐานเป็นช่องทางที่คงที่ ไม่ใช่การพุ่งสูงช่วงการระบาดใหญ่
ข้อมูลการเรียกเก็บเงินแสดงภาพเดียวกันจากฝั่งผู้จ่ายเงิน: สุขภาพจิตเป็นหมวดการวินิจฉัยอันดับหนึ่งของบริการสุขภาพทางไกลในทุกกลุ่มอายุ และจิตบำบัดเป็นหมวดหัตถการสุขภาพทางไกลที่พบบ่อยเป็นอันดับสอง (FAIR Health, Quarterly Telehealth Regional Tracker January to March 2026) ในหมู่นักจิตวิทยา การให้บริการแบบทางไกลเต็มรูปแบบลดจาก 64% ในปี 2020 เป็น 21% ในปี 2023 โดย 67% ทำงานแบบผสมผสาน (APA, Practitioner Survey infographic 2023 ข้อมูลล่าสุดที่มีสำหรับการแจกแจงนี้)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้ใหญ่สหรัฐฯ ที่รับการรักษาสุขภาพจิตผ่านบริการสุขภาพทางไกล ปี 2025 | 12.3% (32.6 ล้านคน) | SAMHSA, 2025 NSDUH Annual National Report |
| ผู้ใหญ่สหรัฐฯ ที่รับการรักษาสุขภาพจิตผ่านบริการสุขภาพทางไกล ปี 2024 | 12.8% (33.4 ล้านคน) | SAMHSA, 2024 NSDUH Annual National Report |
| ผู้ใหญ่ที่มีความเจ็บป่วยทางจิตใด ๆ ซึ่งรับการรักษาผ่านบริการสุขภาพทางไกล ปี 2025 | 32.8% (17.9 ล้านจาก 54.6 ล้านคน) | SAMHSA, 2025 NSDUH Annual National Report |
| ผู้ป่วยบริการสุขภาพทางไกล (มีประกันเอกชน) ที่มีการวินิจฉัยด้านสุขภาพจิต ไตรมาส 1 ปี 2026 | 52.1% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| ตัวชี้วัดเดียวกัน ผู้ป่วยอายุ 19 ถึง 30 ปีเทียบกับอายุ 65 ปีขึ้นไป | 69.4% เทียบกับ 22.0% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| ผู้ป่วยบริการสุขภาพทางไกลที่ถูกเรียกเก็บเงินค่าบริการจิตบำบัด | 35.0% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| ผู้ป่วยที่มีประกันเอกชนและมีการเรียกเก็บเงินบริการสุขภาพทางไกลใด ๆ: เขตเมืองเทียบกับชนบท | 18.6% เทียบกับ 10.3% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| จิตบำบัดผ่านวิดีโอเทียบกับแบบพบหน้า การทดลองแบบสุ่ม 12 งาน (900 คน): Hedges g สำหรับการลดอาการ | -0.09 (ช่วงความเชื่อมั่น 95% -0.52 ถึง 0.33) ไม่มีความแตกต่างอย่างมีนัยสำคัญ | การทบทวนอย่างเป็นระบบและการวิเคราะห์อภิมานหลายระดับของ JMIR 2026 |
บริบท: NHIS ซึ่งเป็นการสำรวจของรัฐบาลกลางอีกฉบับ พบว่าผู้ใหญ่สหรัฐฯ 14.0% ได้รับคำปรึกษาหรือการบำบัดจากผู้เชี่ยวชาญด้านสุขภาพจิตในปี 2024 และเพิ่มเป็น 20.2% ในกลุ่มผู้ใหญ่อายุ 18 ถึง 29 ปี (CDC NCHS Data Brief No. 564) ผลเรื่องการบำบัดผ่านวิดีโอมาจากการวิเคราะห์อภิมานของ JMIR ปี 2026 สำหรับสายด่วนวิกฤตแทนเซสชันตามนัด ดูสรุปของเราเรื่องปริมาณสายโทรเข้าของ 988 Suicide and Crisis Lifeline
7. กฎระเบียบ จริยธรรม และทัศนคติของแพทย์ผู้เชี่ยวชาญ
การรู้จำอารมณ์เป็นหนึ่งในไม่กี่การใช้งาน AI ที่สหภาพยุโรปห้ามโดยเด็ดขาดในบางสถานการณ์ มาตรา 5(1)(f) ของ EU AI Act ห้ามระบบ AI ที่อนุมานอารมณ์ของบุคคลธรรมดาในสถานที่ทำงานและสถาบันการศึกษา โดยมีข้อยกเว้นด้วยเหตุผลทางการแพทย์หรือความปลอดภัย และข้อห้ามนี้มีผลบังคับใช้ตั้งแต่ 2 กุมภาพันธ์ 2025 (Regulation (EU) 2024/1689) นอกสถานการณ์เหล่านั้น ระบบรู้จำอารมณ์ถูกจัดเป็นความเสี่ยงสูง และผู้ใช้งานระบบต้องแจ้งให้ผู้ที่ตกอยู่ภายใต้ระบบทราบ ข้อความอารัมภบทของกฎหมายฉบับนี้นิยามอารมณ์ว่าเป็นสภาวะ เช่น ความสุข ความเศร้า ความโกรธ ความประหลาดใจ และความรังเกียจ และไม่รวมสภาวะทางกาย เช่น ความเจ็บปวดหรือความเหนื่อยล้า
ในสหรัฐฯ กฎระเบียบมุ่งเป้าไปที่การบำบัดด้วย AI ไม่ใช่การตรวจจับอารมณ์ รัฐอิลลินอยส์ลงนามใน Wellness and Oversight for Psychological Resources Act เมื่อ 4 สิงหาคม 2025 ห้าม AI ตัดสินใจเชิงการบำบัดแต่อนุญาตให้ช่วยงานธุรการ (ข่าวประชาสัมพันธ์ของ IDFPR รัฐอิลลินอยส์ 2025) แพทย์ผู้เชี่ยวชาญกำลังนำ AI มาใช้อย่างรวดเร็ว แต่มีความกังวลชัดเจนเรื่องความเป็นส่วนตัวและอคติ (APA, 2025 Practitioner Pulse Survey)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| วันที่ข้อห้ามของสหภาพยุโรปต่อการอนุมานอารมณ์ในที่ทำงานและการศึกษาเริ่มมีผล | 2 กุมภาพันธ์ 2025 | Regulation (EU) 2024/1689, มาตรา 5 และ 113 |
| ค่าปรับสูงสุดสำหรับการปฏิบัติ AI ที่ต้องห้าม | 35,000,000 EUR หรือ 7% ของยอดขายประจำปีรวมทั่วโลก แล้วแต่จำนวนใดสูงกว่า | Regulation (EU) 2024/1689, มาตรา 99 |
| วันที่ AI Act เริ่มใช้บังคับโดยทั่วไป (การรู้จำอารมณ์อยู่ในรายการความเสี่ยงสูงในภาคผนวก III) | 2 สิงหาคม 2026 | Regulation (EU) 2024/1689, มาตรา 113 และภาคผนวก III |
| ค่าปรับของรัฐอิลลินอยส์ต่อการฝ่าฝืนที่ยืนยันแล้วของกฎหมายการบำบัดด้วย AI | สูงสุด $10,000 | ข่าวประชาสัมพันธ์ของ IDFPR รัฐอิลลินอยส์ สิงหาคม 2025 |
| นักจิตวิทยาสหรัฐฯ ที่ไม่เคยใช้ AI ในการปฏิบัติงาน: 2024 เทียบกับ 2025 | 71% เทียบกับ 44% | APA, 2025 Practitioner Pulse Survey |
| นักจิตวิทยาที่ใช้ AI อย่างน้อยเดือนละครั้ง: 2024 เทียบกับ 2025 | 11% เทียบกับ 29% | APA, 2025 Practitioner Pulse Survey |
| นักจิตวิทยาที่ระบุว่าการรั่วไหลของข้อมูลที่อาจเกิดขึ้น / ข้อมูลเข้าและผลลัพธ์ที่มีอคติเป็นข้อกังวลเรื่อง AI ปี 2025 | 67% / 63% | APA, 2025 Practitioner Pulse Survey |
| นักจิตวิทยาที่ไม่มีที่ว่างรับผู้ป่วยใหม่ / ที่มีรายชื่อรอคิว ปี 2025 | 46% / 40% | APA, 2025 Practitioner Pulse Survey |
บริบท: กฎหมายของรัฐอิลลินอยส์ผ่านด้วยมติเป็นเอกฉันท์ทั้งสองสภา การสำรวจของ APA มีผู้ตอบ 1,742 คนจากคำเชิญที่ส่งถึง 26,502 ฉบับ คิดเป็นอัตราการตอบสำเร็จ 6.6% ดังนั้นการเปลี่ยนแปลงเล็กน้อยระหว่างปีจึงควรอ่านด้วยความระมัดระวัง
สรุป: การรู้จำอารมณ์จากเสียงพูดและการบำบัดทางไกลในรูปแบบตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ค่าแมโคร-F1 แปดคลาสสูงสุดบนเสียงพูดธรรมชาติ (เทียบกับค่าฐาน) | 0.4316 (เทียบกับ 0.3293) | MSP Lab, ตารางอันดับ Interspeech 2025 SER Challenge |
| ค่า CCC เฉลี่ยสูงสุดสำหรับความตื่นตัว วาเลนซ์ และความรู้สึกควบคุม | 0.6076 | MSP Lab, ตารางอันดับ Interspeech 2025 SER Challenge |
| UA ที่ดีที่สุดบน RAVDESS (แสดงขึ้น) เทียบกับ MSP-Podcast (ธรรมชาติ) | 75.32% เทียบกับ 22.24% | EmoBox (Ma et al.), Interspeech 2024 |
| ช่วงใน MSP-Podcast ที่ไม่มีความสอดคล้องระหว่างผู้ประเมินเรื่องอารมณ์หลัก | 17.98% ของ 267,905 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| ความสอดคล้องระหว่างผู้ประเมินเรื่องอารมณ์หลัก (แคปปา) | 0.411 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| ตัวอย่างเป็นกลางเทียบกับตัวอย่างความกลัวในข้อมูลฝึกของการแข่งขัน | เป็นกลางพบบ่อยกว่าราว 26 เท่า | Dutta et al., ABHINAYA, arXiv 2025 |
| ผู้ฟังที่เป็นมนุษย์บนไฟล์เสียงพูด RAVDESS (สัดส่วนที่ถูกต้อง) | 0.63 | Livingstone และ Russo, PLOS ONE 2018 |
| การตรวจจับภาวะซึมเศร้าด้วยการเรียนรู้เชิงลึก: ความไว / ความจำเพาะรวม | 0.83 / 0.86 | Lu et al., BMC Psychiatry 2025 |
| AUC รวม โมเดลภาวะซึมเศร้าด้วยการเรียนรู้เชิงลึก | 0.91 | Lu et al., BMC Psychiatry 2025 |
| เครื่องมือเสียง (การศึกษาผู้ใหญ่ 14,898 คน): ความไว / ความจำเพาะ | 71.3% / 73.5% | Mazur et al., Annals of Family Medicine 2025 |
| ความไวของเครื่องมือเสียง: ผู้ชายเทียบกับผู้หญิง | 59.3% เทียบกับ 74.0% | Mazur et al., Annals of Family Medicine 2025 |
| AUC สำหรับความวิตกกังวล (GAD-7) จากเสียงพูด ผู้ใหญ่ 865 คน | 0.77 | Riad et al., Journal of Medical Internet Research 2024 |
| งานวิจัยเสียงด้านสุขภาพจิตที่มีการตรวจสอบแบบอิสระ | 2 จาก 68 (3%) | Uy et al., Frontiers in Digital Health 2026 |
| การประเมินชุดข้อมูลที่ได้รับการจัดว่ามีความพร้อมทางคลินิกสูง | 11% | Muntean-Codrea et al., Life 2026 |
| ผู้ใหญ่สหรัฐฯ ที่ได้รับการรักษาสุขภาพจิตผ่านบริการสุขภาพทางไกล ปี 2025 | 12.3% (32.6 ล้านคน) | SAMHSA, 2025 NSDUH Annual National Report |
| ผู้ใหญ่ที่เคยมีอาการซึมเศร้ารุนแรงในช่วงหนึ่งปีที่ผ่านมาและรักษาผ่านบริการสุขภาพทางไกล ปี 2025 | 44.7% (8.8 ล้านคน) | SAMHSA, 2025 NSDUH Annual National Report |
| ผู้ป่วยบริการสุขภาพทางไกลที่มีการวินิจฉัยด้านสุขภาพจิต ไตรมาส 1 ปี 2026 | 52.1% | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| ข้อห้ามของสหภาพยุโรปต่อการอนุมานอารมณ์ในที่ทำงานและการศึกษามีผลตั้งแต่ | 2 กุมภาพันธ์ 2025 | Regulation (EU) 2024/1689 |
| นักจิตวิทยาที่ใช้ AI อย่างน้อยเดือนละครั้ง ปี 2025 | 29% | APA, 2025 Practitioner Pulse Survey |
ระเบียบวิธีและแหล่งที่มา
- EmoBox: Multilingual Multi-corpus Speech Emotion Recognition Toolkit and Benchmark (Ma et al., Interspeech 2024) และตารางอันดับข้ามคลังข้อมูล: ความแม่นยำภายในคลังข้อมูลและข้ามคลังข้อมูล
- ParaLBench: A Large-Scale Benchmark for Computational Paralinguistics over Acoustic Foundation Models (arXiv 2024): ผล IEMOCAP ของ 14 โมเดลรากฐาน
- USC SAIL Lab, ฐานข้อมูล IEMOCAP: ขนาดคลังข้อมูล
- MSP Lab, Interspeech 2025 Challenge on Speech Emotion Recognition in Naturalistic Conditions: ค่าฐานและตารางอันดับ สรุปของผู้จัดอยู่ใน Naini et al., Proc. Interspeech 2025
- Dutta et al., ABHINAYA (arXiv 2505.18217, 2025) และ MEDUSA (arXiv 2506.09556, 2025): บทความระบบของผู้เข้าแข่งขัน
- Busso et al., The MSP-Podcast Corpus (arXiv 2509.09791, 2025): ขนาดคลังข้อมูล ความสอดคล้องระหว่างผู้ประเมิน การกระจายของป้ายกำกับ
- Tavernor และ Mower Provost, การสร้างแบบจำลองผู้ติดป้ายกำกับสำหรับ SER ข้ามคลังข้อมูล (arXiv 2509.12295, 2025)
- Livingstone และ Russo, RAVDESS, PLOS ONE 2018 และระเบียน Zenodo ของ RAVDESS
- Lu et al., BMC Psychiatry 2025; Mazur et al., Annals of Family Medicine 2025; Riad et al., Journal of Medical Internet Research 2024; Bayrampour et al., Journal of Clinical Psychiatry 2026; Cantor-Cutiva et al., Depression and Anxiety 2026
- Uy et al., Frontiers in Digital Health 2026; Muntean-Codrea et al., Life 2026; Ebraheem et al., Journal of Medical Internet Research 2026
- SAMHSA, 2025 NSDUH Annual National Report และ 2024 NSDUH Annual National Report
- FAIR Health, Quarterly Telehealth Regional Tracker, January to March 2026, United States
- CDC NCHS Data Brief No. 564, Mental Health Treatment Among Adults: United States, 2024
- การวิเคราะห์อภิมานจิตบำบัดผ่านวิดีโอเทียบกับแบบพบหน้า, Journal of Medical Internet Research 2026
- APA, 2025 Practitioner Pulse Survey และอินโฟกราฟิกของ APA เรื่องสถานที่ให้บริการสุขภาพทางไกล 2020 ถึง 2023
- Regulation (EU) 2024/1689 (EU AI Act) ข้อความในราชกิจจานุเบกษาของสหภาพยุโรป: มาตรา 3(39) มาตรา 5(1)(f) มาตรา 50(3) มาตรา 99(3) มาตรา 113 ภาคผนวก III ข้อ 1(c) ข้อความอารัมภบทข้อ 18
- ข่าวประชาสัมพันธ์ของ IDFPR รัฐอิลลินอยส์เรื่อง HB1806 วันที่ 4 สิงหาคม 2025
- ข้อสังเกตเกี่ยวกับข้อมูล: คะแนนเกณฑ์เปรียบเทียบไม่สามารถเทียบข้ามคลังข้อมูลได้ เพราะชุดป้ายกำกับ ความสมดุลของคลาส และตัวชี้วัดต่างกัน (UA, WA, แมโคร-F1 และ CCC วัดสิ่งที่ต่างกัน) บทคัดย่อของ ABHINAYA รายงานอันดับ 4 จาก 166 ผลงานที่ส่ง คะแนน 44.02% ของทีมนี้ผู้จัดคำนวณหลังกำหนดส่งและไม่ใช่อันดับทางการ บทความ MSP-Podcast ระบุในเนื้อความว่าอารมณ์เป็นกลางคิดเป็นราว 28% ของช่วงการพูด ขณะที่ตัวเลขในตาราง (79,117 จาก 267,905) คำนวณได้ 29.53% และระบุ 409 ชั่วโมงในเนื้อความ เทียบกับ 407 ชั่วโมงในตารางหนึ่ง เปอร์เซ็นต์ที่ระบุว่า ‘การคำนวณของเรา’ คำนวณจากตัวเลขในตาราง งานวิจัยเครื่องมือเสียงสำหรับภาวะซึมเศร้าได้รับทุนผ่านทุนที่มอบให้ผู้พัฒนา โดยมีพนักงานบริษัทสามคนเป็นผู้เขียน ข้อมูลของ Riad et al. เป็นของปี 2024 และการประเมินโดยมนุษย์บน RAVDESS เป็นของปี 2018 ซึ่งเป็นข้อมูลล่าสุดที่มีสำหรับการวัดเหล่านั้น NSDUH (การรักษาใด ๆ รายงานด้วยตนเอง) และ NHIS (คำปรึกษาหรือการบำบัดจากผู้เชี่ยวชาญ) วัดสิ่งที่ต่างกัน จึงไม่ควรนำเปอร์เซ็นต์มาเทียบกันโดยตรง FAIR Health ครอบคลุมเฉพาะผู้ป่วยที่มีประกันเอกชนและเปลี่ยนจากตัวติดตามรายเดือนเป็นรายไตรมาสในปี 2026 ตัวเลขรายเดือนเดิมจึงเทียบกันโดยตรงไม่ได้ การสำรวจของ APA มีอัตราการตอบสำเร็จต่ำ (6.6% ในปี 2025) วันที่ของ EU AI Act อ้างอิงจากข้อความในราชกิจจานุเบกษาของ Regulation (EU) 2024/1689 หากมีการแก้ไขกำหนดเวลาในภายหลัง ควรตรวจสอบกับฉบับรวมล่าสุด
อัปเดตล่าสุด: 25 ตุลาคม 2026 เราจะทบทวนและอัปเดตสรุปนี้ทุกไตรมาส และคาดว่าการรีเฟรชครั้งถัดไปจะเกิดขึ้นเมื่อ FAIR Health เผยแพร่ Quarterly Telehealth Regional Tracker ฉบับถัดไป และ MSP Lab ประกาศผลการแข่งขันด้านการรู้จำอารมณ์จากเสียงพูดครั้งถัดไป