共计 781 个字符，预计需要花费 2 分钟才能阅读完成。
抑郁症的诊断长期以来面临主观性强和延迟性高的挑战。语音特征作为一种潜在的客观生物标志物，为这一问题提供了新的解决思路。然而，传统机器学习（TML）与深度学习（DL）模型在语音特征分析中的系统性比较研究仍显不足。
本研究旨在评估和比较 TML 和 DL 模型在使用语音特征进行抑郁症检测中的诊断准确性，并进一步考察样本量、验证策略、语言和诊断标准等因素对诊断性能的影响。
研究遵循 PRISMA 指南，系统检索了包括 PubMed、Medline、Embase、PsycINFO、Scopus、IEEE、Cochrane、ACM 数字图书馆和 Web of Science 在内的 9 个数据库，时间范围为各数据库建库至 2025 年 4 月。纳入标准为使用基于语音的 TML 或 DL 模型评估临床诊断为抑郁症的患者与健康对照组的比较研究，且需报告敏感性、特异性或曲线下面积（AUC）。研究使用诊断准确性研究质量评估工具（QUADAS-2）评估偏倚风险，并通过随机效应双变量模型汇总诊断性能，同时进行异质性、子组和敏感性分析。
共纳入 25 项研究，其中 9 项使用 TML 模型，16 项使用 DL 模型。TML 模型的汇总敏感性为 0.82（95% CI：0.74–0.88），特异性为 0.83（95% CI：0.75–0.90），AUC 为 0.89（95% CI：0.86–0.92）。DL 模型的汇总敏感性为 0.83（95% CI：0.77–0.88），特异性为 0.86（95% CI：0.80–0.90），AUC 为 0.91（95% CI：0.89–0.93）。子组分析显示，诊断性能因样本量、验证策略、语言和诊断标准的不同而存在差异。
结论表明，TML 和 DL 模型在基于语音的抑郁症检测中均表现出良好的诊断准确性。DL 模型在诊断性能上具有边际但一致的优越性，支持其在二级医疗环境中用于确诊的潜在应用，而 TML 模型在初级保健筛查中仍具有重要价值。
