Konuşmadan duygu tanımaya ilişkin doğal koşullar için düzenlenen Interspeech 2025 yarışmasını kazanan sistem, gerçek podcast konuşmasında sekiz duygu genelinde yalnızca 0,4316 makro-F1’e ulaştı; 10 modelin en iyisi ise canlandırılmış RAVDESS korpusunda %75,32 ağırlıksız doğruluk elde ediyor (EmoBox kıyaslaması, Interspeech 2024). Aynı ayrım klinik ses araştırmalarında da sürüyor: derin öğrenme modelleri konuşmadan depresyon tespitinde 0,83 birleşik duyarlılığa ulaşıyor (Lu et al., BMC Psychiatry 2025); buna karşın ruh sağlığına ilişkin ses çalışmalarının 68’inden yalnızca 2’si modelini bağımsız bir veri kümesinde test etti (Uy et al., Frontiers in Digital Health 2026). Bu arada teleterapi artık olağan hale geldi: 2025’te ABD’li yetişkinlerin %12,3’ü, yani 32,6 milyon kişi, ruh sağlığı tedavisini telesağlık yoluyla aldı (SAMHSA, 2025 NSDUH). MSP Lab yarışma lider tablolarından, EmoBox ve ParaLBench kıyaslamalarından, BMC Psychiatry, Annals of Family Medicine, JMIR, SAMHSA, FAIR Health, CDC NCHS, Amerikan Psikoloji Derneği’nden (APA) ve AB Yapay Zeka Yasası’nın metninden veri derledik. Ses sağlığı araştırmalarının demans boyutu için Alzheimer ve bilişsel bozulma için ses biyobelirteçleri hakkındaki ayrı derlememize bakın.
Bu sayfa yalnızca araştırma bulgularını aktarır. Tıbbi tavsiye değildir ve burada anlatılan araçların hiçbiri nitelikli bir klinisyenin değerlendirmesinin yerini tutmaz.
TL;DR
- Sekiz sınıflı doğal konuşmada duygu tanımada en yüksek makro-F1 0,4316 oldu; temel model 0,3293’tü (MSP Lab, Interspeech 2025 SER Challenge lider tablosu).
- En iyi model, canlandırılmış RAVDESS’te %75,32 ağırlıksız doğruluğa ulaştı, ancak MSP-Podcast’te %22,24’te kaldı (EmoBox kıyaslaması, Interspeech 2024).
- 267.905 MSP-Podcast konuşma turunun %17,98’inde birincil duygu üzerinde değerlendirici uyumu yoktu (Busso et al., MSP-Podcast Corpus 2025).
- İnsan dinleyiciler, RAVDESS konuşma ses kayıtlarındaki canlandırılmış duyguları 0,63 doğru oranıyla belirledi (Livingstone ve Russo, PLOS ONE 2018).
- Konuşmadan derin öğrenmeyle depresyon tespiti, 16 çalışma genelinde 0,83 duyarlılık ve 0,86 özgüllük olarak birleşti (Lu et al., BMC Psychiatry 2025).
- 14.898 yetişkinde incelenen bir ses aracı (4.456’sı doğrulamada), orta ila şiddetli depresyon için %71,3 duyarlılığa ve %73,5 özgüllüğe ulaştı (Mazur et al., Annals of Family Medicine 2025).
- Ruh sağlığına ilişkin ses çalışmalarının 68’inden yalnızca 2’si bağımsız veya veri kümeleri arası doğrulama kullandı (Uy et al., Frontiers in Digital Health 2026).
- Herhangi bir ruhsal hastalığı olan ABD’li yetişkinlerin %32,8’i 2025’te tedaviyi telesağlık yoluyla aldı (SAMHSA, 2025 NSDUH).
- Ticari sigortalı telesağlık hastalarının %52,1’inde 2026’nın ilk çeyreğinde ruh sağlığı tanısı vardı (FAIR Health, Quarterly Telehealth Regional Tracker 2026).
- AB Yapay Zeka Yasası’nın iş yerinde ve okullarda duygu çıkarsamasına getirdiği yasak, 2 Şubat 2025’ten beri uygulanıyor (Regulation (EU) 2024/1689).
- ABD’li psikologların %29’u 2025’te yapay zekayı en az ayda bir kez kullandı; bu oran 2024’te %11’di (APA, 2025 Practitioner Pulse Survey).
1. Standart Duygu Korpuslarında Kıyaslama Doğruluğu
Bu bölümde üç ölçüt tekrar ediyor. Ağırlıksız doğruluk (UA), her duygu sınıfının isabet oranının ortalamasını alır; böylece her duygu eşit sayılır. Ağırlıklı doğruluk (WA), doğru yanıtların sade payıdır ve bir modeli en yaygın duyguyu doğru bilmesi için ödüllendirir. Makro-F1 de benzer şekilde sınıflar arasında dengeli bir puandır ve ayrıca yanlış alarmları cezalandırır.
Canlandırılmış veya sıkı biçimde kontrol edilen korpuslarda en iyi model %73,54 UA (IEMOCAP) ile %84,62 UA (ESD) arasında puan alıyor. Önceden eğitilmiş 10 modelin en iyisi ESD korpusunda %84,62 UA elde ederken, gerçek podcast konuşmalarından oluşan MSP-Podcast’te yalnızca %22,24 UA elde etti (EmoBox kıyaslaması, Interspeech 2024). MSP-Podcast’te aynı modelin ağırlıklı doğruluğu, ağırlıksız doğruluğunun kabaca iki katı; bu, modelin sık görülen duygularda iyi, nadir duygularda ise kötü olduğunun işareti. Canlandırılmış korpuslardaki manşet doğruluk rakamları bu nedenle bir sistemin telefon görüşmesinde ya da terapi seansında nasıl davranacağı hakkında çok az şey söyler. Veri kümesi başına tüm tablolar EmoBox makalesinde yer alıyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| 10 model arasında en iyi UA (Whisper large v3): IEMOCAP (canlandırılmış ikili diyalog) ve RAVDESS (canlandırılmış konuşma) | %73,54 ve %75,32 | EmoBox (Ma et al.), Interspeech 2024 |
| RAVDESS korpusu: profesyonel aktörler ve konuşma ses dosyaları | 24 aktör (12 kadın, 12 erkek), 1.440 konuşma ses dosyası | Livingstone ve Russo, RAVDESS Zenodo kaydı 2018 |
| CREMA-D ve ESD (canlandırılmış korpuslar), en iyi UA | %76,75 ve %84,62 | EmoBox (Ma et al.), Interspeech 2024 |
| MSP-Podcast (doğal podcast konuşması), en iyi model: UA ve WA | %22,24 ve %44,10 | EmoBox (Ma et al.), Interspeech 2024 |
| MELD (televizyon dizisi diyalogları), en iyi model: UA ve WA | %31,54 ve %51,89 | EmoBox (Ma et al.), Interspeech 2024 |
| IEMOCAP dört sınıflı duygu, 14 akustik temel model arasında en iyi UA (Whisper-large) | 0,690 | ParaLBench kıyaslaması, arXiv 2411.09349 (2024) |
| IEMOCAP dört sınıflı duygu, WavLM-large UA’sı | 0,685 | ParaLBench kıyaslaması, arXiv 2411.09349 (2024) |
| IEMOCAP korpusunun boyutu | Yaklaşık 12 saatlik görsel-işitsel veri | USC SAIL Lab, IEMOCAP veri tabanı sayfası |
Bağlam: EmoBox, 14 dilde 32 duygu veri kümesini kapsıyor. Korpuslar duygu sınıfı sayısı ve konuşmanın üretilme biçimi bakımından farklılaşıyor (IEMOCAP’in kategorik etiketleri dört duygu etrafında toplanırken RAVDESS konuşması sekiz duygu kullanıyor), bu yüzden puanlar bir satır içinde karşılaştırılabilir ancak satırlar arasında karşılaştırılamaz. ParaLBench sonuçları, farklı bir model havuzuyla benzer sonuçlara varıyor.
2. Doğal Koşullar: Interspeech 2025 Yarışması
Interspeech 2025 yarışması, takımlardan MSP-Podcast korpusundaki spontan konuşmada sekiz duyguyu (öfke, mutluluk, üzüntü, korku, şaşkınlık, küçümseme, tiksinti, nötr) sınıflandırmalarını ve uyarılma, değerlik ve baskınlığı 1 ila 7 ölçeğinde tahmin etmelerini istedi. 0,4316’lık kazanan makro-F1, 0,3293’lük temel modele göre yaklaşık 0,10’luk bir kazanımdır (resmi lider tablosundan kendi hesabımız); bu gerçek bir ilerleme, ancak doğal konuşmadaki sekiz yönlü kararların çoğunun hâlâ zor kararlar olduğu anlamına geliyor.
Boyutsal görev de benzer bir tablo çiziyor. Uyum korelasyon katsayısı olan CCC, tahmin edilen puanların insan değerlendirmelerini ne kadar yakından izlediğini ölçer (1, mükemmel uyum demektir). En iyi sistemler değerliği (bir sesin ne kadar olumlu veya olumsuz duyulduğu), baskınlıktan (bir konuşmacının ne kadar kontrolde duyulduğu) çok daha iyi izliyor. Organizatörlerin özet makalesi, ses ve metin temel modellerini birleştirmenin en dayanıklı sistemleri ürettiğini kaydediyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Görev 1 (sekiz duygu sınıfı) temel makro-F1 | 0,3293 | MSP Lab, Interspeech 2025 SER Challenge lider tablosu |
| Görev 1 en yüksek makro-F1 (NTUA takımı) | 0,4316 | MSP Lab, Interspeech 2025 SER Challenge lider tablosu |
| Görev 2 (uyarılma, değerlik, baskınlık) ortalama CCC: temel model ve en iyi sistem (SAIL takımı) | 0,5797 ve 0,6076 | MSP Lab, Interspeech 2025 SER Challenge lider tablosu |
| Görev 2 en iyi sistem: değerlik CCC’si ve baskınlık CCC’si | 0,6829 ve 0,498 | MSP Lab, Interspeech 2025 SER Challenge lider tablosu |
| Katılımcı bir takımın bildirdiği Görev 1 gönderim sayısı | 166 | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
| Aynı takımın sistemi, son tarihten sonra organizatörlerce puanlandı: makro-F1 | %44,02 | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
| Yarışmanın eğitim verisi: nötr örnekler ve korku örnekleri | Nötr yaklaşık 26 kat daha sık | Dutta et al., ABHINAYA, arXiv 2505.18217 (2025) |
Bağlam: birinci olan MEDUSA sistemi 14 modelden oluşan bir topluluk kullandı, ancak tek bir RTX 3090 ekran kartında eğitildi; yani buradaki sınır işlem gücü değil, veri. Yarışma, dengesiz eğitim verisini duygu sınıfları arasında dengeli test kümeleriyle eşleştirdi (Dutta et al., ABHINAYA 2025); önde gelen katılımların dengesizlik yönetimine ağırlık vermesinin nedeni de bu.
3. Etiket Belirsizliği, İnsan Uyumu ve Korpuslar Arası Aktarım
Bölüm 2’deki düşük puanlar kısmen bir ölçüm sorunudur. MSP-Podcast’in son sürümündeki konuşma turlarının neredeyse beşte birinde (267.905’in 48.180’inde), en az beş değerlendirici arasında birincil duygu için tek bir etiket en çok oyu alamadı (Busso et al., The MSP-Podcast Corpus 2025). İnsanlar bir etiket üzerinde anlaşamadığında, o etikete göre puanlanan bir model bu anlaşmazlığı bir üst sınır olarak devralır.
Korpuslar arası aktarım ikinci zayıf noktadır. Bir veri kümesinde eğitilip başka bir veri kümesinde test edilen model (korpuslar arası test) yeni konuşmacılarla, mikrofonlarla ve etiketleme alışkanlıklarıyla karşılaşır. EmoBox’ın korpuslar arası testinde her korpus, dört duyguya (öfkeli, mutlu, nötr, üzgün) eşit dağıtılmış 240 test klibi sağlar; dolayısıyla rastgele tahmin yaklaşık %25 puan alır. En güçlü model olan Whisper large v3, 12 eğitim-test çifti genelinde %36,44 ile %66,91 arasında doğruluk gösterdi.
| Metrik | Değer | Kaynak |
|---|---|---|
| MSP-Podcast 2.0: açıklamalı ses, konuşma turları, konuşmacılar, tur başına değerlendiriciler | 409 saat, 267.905 tur, 3.641 konuşmacı, tur başına en az 5 değerlendirici | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Birincil duygu için hiçbir etiketin en çok oyu alamadığı konuşma turları | 267.905’in 48.180’i (%17,98, bizim hesabımız) | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Birincil duygu üzerinde değerlendiriciler arası uyum (kappa) | 0,411 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Korku olarak etiketlenen konuşma turları | 267.905’in 1.943’ü (%0,73, bizim hesabımız) | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| RAVDESS konuşmasındaki canlandırılmış duyguyu yalnızca sesle adlandıran eğitimsiz insan dinleyiciler (doğru oranı) | 0,63 (%95 GA 0,62 ila 0,64) | Livingstone ve Russo, PLOS ONE 2018 (mevcut en güncel veri) |
| Whisper large v3 korpuslar arası doğruluk: IEMOCAP’te eğitilip RAVDESS’te test edilen ve RAVDESS’te eğitilip SAVEE’de test edilen | %38,24 ve %66,91 | EmoBox korpuslar arası lider tablosu, 2024 |
| Değerlendirici eşlemeli bir modelin değerlik uyumu (CCC): MSP-Podcast’te test edilen ve IEMOCAP’e aktarılan | 0,647 ve 0,516 | Tavernor ve Mower Provost, arXiv 2509.12295 (2025) |
Bağlam: RAVDESS’teki insan rakamı ile bölüm 1’deki model puanları birebir bir yarış değildir; çünkü dinleyiciler farklı koşullarda sekiz etiket ile bir ‘bunların hiçbiri’ seçeneği arasından seçim yaptı. EmoBox’ın korpuslar arası sayıları herkese açık lider tablosunda yer alıyor, RAVDESS doğrulama verileri ise Zenodo kaydında belgelenmiş.
4. Ses Tabanlı Depresyon ve Anksiyete Tespit Doğruluğu
Klinik ses modelleri genellikle ayrı duyguları sınıflandırmaz. Bir kişinin PHQ-9 (depresyon) veya GAD-7 (anksiyete) gibi bir ankette aldığı puanın bir eşiği aşıp aşmadığını tahmin ederler. 16 derin öğrenme çalışması genelinde birleştirildiğinde, konuşma tabanlı depresyon tespiti 0,83 duyarlılığa ve 0,86 özgüllüğe ulaştı (Lu et al., BMC Psychiatry 2025). Aşağıdaki en büyük tekil çalışma daha düşük sayılar bildiriyor; bu, çok sayıda küçük örneklemden gelen birleşik ortalamaların olduğundan iyi gösterebileceğinin bir hatırlatıcısı.
Bu çalışma, ABD ve Kanada’daki 14.898 yetişkinden en az 25 saniyelik serbest konuşma topladı ve 4.456 örneklik doğrulama kümesinde %71,3 duyarlılık (%95 GA 69,0 ila 73,5) ile %73,5 özgüllük (%95 GA 71,5 ila 75,5) bildirdi (Mazur et al., Annals of Family Medicine 2025). Çalışma, geliştiriciye verilen NSF hibeleri aracılığıyla finanse edildi ve üç yazar o şirketin çalışanı. Anksiyete modelleri çok daha az incelenmiş durumda ve bir gebelik çalışması, yalnızca hastanın kendi konuşması tutulduğunda bu modellerin ne kadar kırılgan olduğunu gösteriyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Depresyon için derin öğrenme konuşma modelleri: birleşik duyarlılık / özgüllük (16 çalışma) | 0,83 (%95 GA 0,77 ila 0,88) / 0,86 (%95 GA 0,80 ila 0,90) | Lu et al., BMC Psychiatry 2025 |
| Birleşik AUC: derin öğrenme ve geleneksel makine öğrenmesi | 0,91 ve 0,89 | Lu et al., BMC Psychiatry 2025 |
| Ses aracı ve PHQ-9 puanı 10 veya üzeri (14.898 yetişkinlik çalışma, 4.456’sı doğrulamada): duyarlılık / özgüllük | %71,3 / %73,5 | Mazur et al., Annals of Family Medicine 2025 |
| Evet/hayır sonucu yerine ‘daha fazla değerlendirme önerilir’ olarak döndürülen doğrulama örnekleri | 4.456’nın 920’si (yaklaşık %20) | Mazur et al., Annals of Family Medicine 2025 |
| Genel nüfustan Fransız yetişkinler (865 kişi): depresyon (PHQ-9) ve anksiyete (GAD-7) için AUC | 0,76 ve 0,77 | Riad et al., Journal of Medical Internet Research 2024 |
| Aynı çalışma: PHQ-9 ve GAD-7 riski için F1 puanı | 0,49 ve 0,50 | Riad et al., Journal of Medical Internet Research 2024 |
| Gebelik çalışması (146 kadın): GAD modeli F1, tam görüşme ve yalnızca doğrulanmış hasta konuşması | %76 ila %80 ve %51 ila %65 | Bayrampour et al., Journal of Clinical Psychiatry 2026 |
| Depresyonda ses perdesi (temel frekans) ve kontroller, 6 çalışmada birleşik | 1,82 Hz daha düşük, p = 0,56 (anlamlı değil) | Cantor-Cutiva et al., Depression and Anxiety 2026 |
Bağlam: derin öğrenme ile geleneksel modeller arasındaki AUC farkı, BMC Psychiatry analizinde istatistiksel olarak anlamlı değildi; JMIR anksiyete ve depresyon çalışması ise örneklemde eşiği aşan kişi az olduğunda saygın bir AUC’nin yine de mütevazı bir F1 ile bir arada bulunabileceğini gösteriyor. Hastalık taraması yapmak yerine ses günlüğü tutan tüketici uygulamaları için yapay zekalı sesli günlük ve terapi uygulamaları derlememize bakın.
5. Kanıt Boşlukları: Doğrulama, Adalet ve Klinik Hazırlık
Bölüm 4’teki doğruluk sayıları çoğunlukla eğitim verisine benzeyen veriler üzerinde test edilen modellerden geliyor. 2026 tarihli bir kapsam belirleme derlemesi, ruh sağlığına ilişkin 68 ses ve konuşma çalışmasının yalnızca 2’sinin (%3) modelini bağımsız veya veri kümeleri arası bir örneklemde doğruladığını buldu (Uy et al., Frontiers in Digital Health 2026). Doğruluğun korpuslar arasında keskin biçimde düştüğü bölüm 3 ile birlikte okunduğunda, manşet doğruluk rakamlarını indirimle karşılamanın tek ve en büyük nedeni budur.
Adalet ise diğer açık sorudur. 14.898 kişilik depresyon çalışmasında erkekler için duyarlılık kadınlara göre 14,7 yüzde puan daha düşüktü (%59,3 ve %74,0) ve erkekler gözden kaçan vakalar arasında fazla temsil ediliyordu (yanlış negatiflerin %31,7’si, doğrulama kümesinin ise %27,9’u). Konuşma teknolojisinin konuşmacı grupları arasında eşitsiz performans gösterdiği uzun zamandır biliniyor; konuşma tanımada aksan yanlılığı derlememiz bunu belgeliyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Bağımsız veya veri kümeleri arası doğrulaması olan ruh sağlığı ses çalışmaları | 68’in 2’si (%3) | Uy et al., Frontiers in Digital Health 2026 |
| Aynı derlemede depresyonu hedefleyen çalışmalar | 68’in 56’sı (%82) | Uy et al., Frontiers in Digital Health 2026 |
| Konuşmayı pasif olarak yakalayan çalışmalar (ortam kaydı) | 68’in 3’ü (%4) | Uy et al., Frontiers in Digital Health 2026 |
| Dış doğrulaması / gerçek dünya testi olan ses tarama veri kümesi değerlendirmeleri | %32 / %8 (37 değerlendirmenin) | Muntean-Codrea et al., Life 2026 |
| Yüksek klinik hazırlık düzeyi verilen veri kümesi değerlendirmeleri | %11 | Muntean-Codrea et al., Life 2026 |
| Dahil edilen çalışmalardan (34 içinden) anksiyeteyi ele alanlar | 1 | Muntean-Codrea et al., Life 2026 |
| Paydaşlarca döngüde insan değerlendirmesi içeren klinik ses yapay zekası açıklanabilirlik çalışmaları | 30’un 0’ı | Ebraheem et al., Journal of Medical Internet Research 2026 |
| Depresyon ses aracı duyarlılığı: erkekler ve kadınlar | %59,3 ve %74,0 | Mazur et al., Annals of Family Medicine 2025 |
Bağlam: Life derlemesi, klinik hazırlığın beş göstergesinin hepsini ‘hiçbir değerlendirmenin karşılamadığını’ belirtiyor (Muntean-Codrea et al., Life 2026). JMIR açıklanabilirlik derlemesi, 30 çalışmasının 6’sının açıklamalarını kontrol etmek için dış veri kullandığını buldu.
6. Ruh Sağlığı İçin Teleterapi Kullanımı
Ses analizinin en makul biçimde çalışacağı yer telesağlıktır, çünkü seans sesi zaten yazılımdan geçiyor. 2025’te, geçen yıl içinde majör depresif epizod geçiren ABD’li yetişkinlerin %44,7’si, yani 8,8 milyon kişi, ruh sağlığı tedavisini telesağlık yoluyla aldı (SAMHSA, 2025 NSDUH Annual National Report). Nüfus genelindeki kullanım, 2024’te yetişkinlerin %12,8’inden 2025’te %12,3’üne hafifçe geriledi; bu, teleterapinin bir pandemi sıçramasından çok, istikrarlı bir kanala dönüştüğünü düşündürüyor.
Talep verileri aynı tabloyu ödeyici tarafından gösteriyor: ruh sağlığı her yaş grubunda en üst telesağlık tanı kategorisi ve psikoterapi, ikinci en yaygın telesağlık işlem kategorisi (FAIR Health, Quarterly Telehealth Regional Tracker January to March 2026). Psikologlar arasında uygulama, 2020’de %64 tamamen uzaktan iken 2023’te %21’e geriledi ve %67’si hibrit çalışıyor (APA, Practitioner Survey infographic 2023, bu döküm için mevcut en güncel veri).
| Metrik | Değer | Kaynak |
|---|---|---|
| Ruh sağlığı tedavisini telesağlık yoluyla alan ABD’li yetişkinler, 2025 | %12,3 (32,6 milyon) | SAMHSA, 2025 NSDUH Annual National Report |
| Ruh sağlığı tedavisini telesağlık yoluyla alan ABD’li yetişkinler, 2024 | %12,8 (33,4 milyon) | SAMHSA, 2024 NSDUH Annual National Report |
| Herhangi bir ruhsal hastalığı olup telesağlık yoluyla tedavi gören yetişkinler, 2025 | %32,8 (54,6 milyonun 17,9 milyonu) | SAMHSA, 2025 NSDUH Annual National Report |
| Ruh sağlığı tanısı olan telesağlık hastaları (ticari sigortalı), 2026 1. çeyrek | %52,1 | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Aynı ölçü, 19 ila 30 yaş arası hastalar ve 65 yaş ve üzeri hastalar | %69,4 ve %22,0 | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Psikoterapi hizmeti faturalandırılan telesağlık hastaları | %35,0 | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Herhangi bir telesağlık talebi olan ticari sigortalı hastalar: kentsel ve kırsal | %18,6 ve %10,3 | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| Video tabanlı ve yüz yüze psikoterapi, 12 randomize çalışma (900 kişi): belirti azalması için Hedges g | -0,09 (%95 GA -0,52 ila 0,33), anlamlı fark yok | JMIR sistematik derleme ve çok düzeyli meta-analiz 2026 |
Bağlam: farklı bir federal anket olan NHIS, 2024’te ABD’li yetişkinlerin %14,0’ının bir ruh sağlığı uzmanından danışmanlık veya terapi aldığını, 18 ila 29 yaş arası yetişkinlerde bu oranın %20,2’ye çıktığını buldu (CDC NCHS Data Brief No. 564). Video terapi sonucu 2026 JMIR meta-analizinden geliyor. Planlı seanslar yerine kriz hatları için 988 Suicide and Crisis Lifeline çağrı hacmi derlememize bakın.
7. Düzenleme, Etik ve Klinisyen Tutumları
Duygu tanıma, AB’nin belirli ortamlarda doğrudan yasakladığı birkaç yapay zeka kullanımından biridir. AB Yapay Zeka Yasası’nın 5(1)(f) maddesi, tıbbi veya güvenlik gerekçeleri dışında, iş yerinde ve eğitim kurumlarında bir gerçek kişinin duygularını çıkarsayan yapay zeka sistemlerini yasaklıyor ve bu yasak 2 Şubat 2025’ten beri uygulanıyor (Regulation (EU) 2024/1689). Bu ortamların dışında duygu tanıma sistemleri yüksek riskli olarak listeleniyor ve bunlardan birini devreye alan herkes, ona maruz kalan kişileri bilgilendirmek zorunda. Yasanın gerekçeleri duyguları mutluluk, üzüntü, öfke, şaşkınlık ve tiksinti gibi durumlar olarak tanımlıyor; ağrı veya yorgunluk gibi fiziksel durumları ise kapsam dışında bırakıyor.
ABD’de düzenleme, duygu tespitini değil yapay zeka terapisini hedefliyor. Illinois, 4 Ağustos 2025’te Wellness and Oversight for Psychological Resources Act’i imzalayarak yapay zekanın terapötik karar vermesini yasakladı, idari desteğe ise izin verdi (Illinois IDFPR basın bülteni 2025). Klinisyenler yapay zekayı hızla benimsiyor, ancak gizlilik ve yanlılık konusunda açık kaygıları var (APA, 2025 Practitioner Pulse Survey).
| Metrik | Değer | Kaynak |
|---|---|---|
| İş yerinde ve eğitimde duygu çıkarsamasına getirilen AB yasağının uygulanmaya başladığı tarih | 2 Şubat 2025 | Regulation (EU) 2024/1689, Madde 5 ve 113 |
| Yasaklı yapay zeka uygulamaları için azami para cezası | 35.000.000 EUR veya dünya genelindeki toplam yıllık cironun %7’si, hangisi daha yüksekse | Regulation (EU) 2024/1689, Madde 99 |
| Yapay Zeka Yasası’nın genel uygulama tarihi (duygu tanıma, Ek III’te yüksek riskli olarak listelenmiştir) | 2 Ağustos 2026 | Regulation (EU) 2024/1689, Madde 113 ve Ek III |
| Illinois’in yapay zeka terapisi yasasında doğrulanmış ihlal başına para cezası | En fazla 10.000 $ | Illinois IDFPR basın bülteni, Ağustos 2025 |
| Uygulamasında hiç yapay zeka kullanmamış ABD’li psikologlar: 2024 ve 2025 | %71 ve %44 | APA, 2025 Practitioner Pulse Survey |
| Yapay zekayı en az ayda bir kullanan psikologlar: 2024 ve 2025 | %11 ve %29 | APA, 2025 Practitioner Pulse Survey |
| Yapay zeka kaygısı olarak olası veri ihlallerini / yanlı girdi ve çıktıyı belirten psikologlar, 2025 | %67 / %63 | APA, 2025 Practitioner Pulse Survey |
| Yeni hastalar için boş kontenjanı olmayan / bekleme listesi olan psikologlar, 2025 | %46 / %40 | APA, 2025 Practitioner Pulse Survey |
Bağlam: Illinois yasası her iki mecliste de oybirliğiyle geçti. APA anketine 26.502 ulaşan davetiyeden 1.742 katılımcı yanıt verdi, yani tamamlama oranı %6,6 oldu; bu yüzden yıllar arasındaki küçük değişimler dikkatle okunmalı.
Özet: Rakamlarla Konuşmadan Duygu Tanıma ve Teleterapi
| Metrik | Değer | Kaynak |
|---|---|---|
| Doğal konuşmada sekiz sınıflı en yüksek makro-F1 (temel modele karşı) | 0,4316 (0,3293’e karşı) | MSP Lab, Interspeech 2025 SER Challenge lider tablosu |
| Uyarılma, değerlik ve baskınlık için en yüksek ortalama CCC | 0,6076 | MSP Lab, Interspeech 2025 SER Challenge lider tablosu |
| RAVDESS (canlandırılmış) ve MSP-Podcast (doğal) üzerinde en iyi UA | %75,32 ve %22,24 | EmoBox (Ma et al.), Interspeech 2024 |
| Birincil duygu üzerinde değerlendirici uyumu olmayan MSP-Podcast turları | 267.905’in %17,98’i | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Birincil duygu üzerinde değerlendirici uyumu (kappa) | 0,411 | Busso et al., The MSP-Podcast Corpus, arXiv 2025 |
| Yarışmanın eğitim verisinde nötr ve korku örnekleri | Nötr yaklaşık 26 kat daha sık | Dutta et al., ABHINAYA, arXiv 2025 |
| RAVDESS konuşma ses kayıtlarında insan dinleyiciler (doğru oranı) | 0,63 | Livingstone ve Russo, PLOS ONE 2018 |
| Derin öğrenmeyle depresyon tespiti: birleşik duyarlılık / özgüllük | 0,83 / 0,86 | Lu et al., BMC Psychiatry 2025 |
| Birleşik AUC, derin öğrenme depresyon modelleri | 0,91 | Lu et al., BMC Psychiatry 2025 |
| Ses aracı (14.898 yetişkinlik çalışma): duyarlılık / özgüllük | %71,3 / %73,5 | Mazur et al., Annals of Family Medicine 2025 |
| Ses aracı duyarlılığı: erkekler ve kadınlar | %59,3 ve %74,0 | Mazur et al., Annals of Family Medicine 2025 |
| Konuşmadan anksiyete (GAD-7) için AUC, 865 yetişkin | 0,77 | Riad et al., Journal of Medical Internet Research 2024 |
| Bağımsız doğrulaması olan ruh sağlığı ses çalışmaları | 68’in 2’si (%3) | Uy et al., Frontiers in Digital Health 2026 |
| Yüksek klinik hazırlık düzeyi verilen veri kümesi değerlendirmeleri | %11 | Muntean-Codrea et al., Life 2026 |
| Ruh sağlığı için telesağlık yoluyla tedavi gören ABD’li yetişkinler, 2025 | %12,3 (32,6 milyon) | SAMHSA, 2025 NSDUH Annual National Report |
| Geçen yıl içinde majör depresif epizod geçirip telesağlık yoluyla tedavi gören yetişkinler, 2025 | %44,7 (8,8 milyon) | SAMHSA, 2025 NSDUH Annual National Report |
| Ruh sağlığı tanısı olan telesağlık hastaları, 2026 1. çeyrek | %52,1 | FAIR Health, Quarterly Telehealth Regional Tracker 2026 |
| İş yerinde ve eğitimde duygu çıkarsamasına getirilen AB yasağının uygulanmaya başladığı tarih | 2 Şubat 2025 | Regulation (EU) 2024/1689 |
| Yapay zekayı en az ayda bir kullanan psikologlar, 2025 | %29 | APA, 2025 Practitioner Pulse Survey |
Metodoloji ve Kaynaklar
- EmoBox: Multilingual Multi-corpus Speech Emotion Recognition Toolkit and Benchmark (Ma et al., Interspeech 2024) ve korpuslar arası lider tablosu: korpus içi ve korpuslar arası doğruluk.
- ParaLBench: A Large-Scale Benchmark for Computational Paralinguistics over Acoustic Foundation Models (arXiv 2024): 14 temel model için IEMOCAP sonuçları.
- USC SAIL Lab, IEMOCAP veri tabanı: korpus boyutu.
- MSP Lab, Interspeech 2025 Challenge on Speech Emotion Recognition in Naturalistic Conditions: temel modeller ve lider tabloları; organizatörlerin özeti Naini et al., Proc. Interspeech 2025 içinde.
- Dutta et al., ABHINAYA (arXiv 2505.18217, 2025) ve MEDUSA (arXiv 2506.09556, 2025): katılımcı sistem makaleleri.
- Busso et al., The MSP-Podcast Corpus (arXiv 2509.09791, 2025): korpus boyutu, değerlendirici uyumu, etiket dağılımı.
- Tavernor ve Mower Provost, korpuslar arası SER için değerlendirici modelleme (arXiv 2509.12295, 2025).
- Livingstone ve Russo, RAVDESS, PLOS ONE 2018 ve RAVDESS Zenodo kaydı.
- 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 ve 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.
- Video tabanlı ve yüz yüze psikoterapi meta-analizi, Journal of Medical Internet Research 2026.
- APA, 2025 Practitioner Pulse Survey ve APA telesağlık konumu infografiği 2020 ila 2023.
- Regulation (EU) 2024/1689 (AB Yapay Zeka Yasası), Resmî Gazete metni: Madde 3(39), Madde 5(1)(f), Madde 50(3), Madde 99(3), Madde 113, Ek III madde 1(c), gerekçe 18.
- HB1806 hakkında Illinois IDFPR basın bülteni, 4 Ağustos 2025.
- Veri notu: kıyaslama puanları, etiket kümeleri, sınıf dengesi ve ölçütler farklı olduğu için korpuslar arasında karşılaştırılamaz (UA, WA, makro-F1 ve CCC farklı şeyleri ölçer). ABHINAYA özeti, 166 gönderim arasında 4. sırayı bildiriyor; %44,02’lik puanı organizatörler son tarihten sonra hesapladı ve resmî bir sıralama değil. MSP-Podcast makalesi metninde nötrü turların yaklaşık %28’i olarak veriyor, tablo sayıları ise (267.905’in 79.117’si) %29,53 ediyor; ayrıca metinde 409 saat, bir tabloda ise 407 saat veriyor; ‘bizim hesabımız’ olarak işaretlenen yüzdeler tablo sayılarından hesaplandı. Depresyon ses aracı çalışması, geliştiricisine verilen hibelerle finanse edildi ve yazarlardan üçü şirket çalışanı. Riad et al. verileri 2024’e, RAVDESS insan değerlendirmeleri ise 2018’e ait; bunlar ilgili ölçümler için mevcut en güncel verilerdir. NSDUH (herhangi bir tedavi, öz bildirim) ve NHIS (bir uzmandan danışmanlık veya terapi) farklı şeyleri ölçer, bu yüzden yüzdeleri doğrudan karşılaştırılmamalıdır. FAIR Health yalnızca ticari sigortalı hastaları kapsıyor ve 2026’da aylık izleyicisini üç aylık bir izleyiciyle değiştirdi, dolayısıyla eski aylık rakamlar doğrudan karşılaştırılamaz. APA anketlerinin tamamlama oranları düşüktü (2025’te %6,6). AB Yapay Zeka Yasası tarihleri, Regulation (EU) 2024/1689’un Resmî Gazete metninden alıntılanmıştır; takvimlerine yapılacak sonraki herhangi bir değişiklik, güncel konsolide sürümle kontrol edilmelidir.
Son güncelleme: 25 Ekim 2026. Bu derlemeyi üç ayda bir güncelliyoruz ve bir sonraki yenilemenin, FAIR Health bir sonraki Quarterly Telehealth Regional Tracker’ını yayımladığında ve MSP Lab bir sonraki konuşmadan duygu tanıma yarışmasının sonuçlarını paylaştığında yapılması bekleniyor.