本研究では、不安障害の多様な検出を目的とした「Hyperbolic Curvature Few-Shot Learning Network（HCFSLN）」を提案します。従来の診断方法は臨床インタビューに依存しており、データ不足が機械学習モデルの過学習を引き起こすことが問題でした。HCFSLNは、音声、生理信号、動画データを統合し、双曲空間での特徴埋め込み、クロスモーダル注意機構、適応ゲーティングネットワークを用いて、わずかなデータでの高精度な分類を実現します。108人の参加者から収集したマルチモーダル不安データセットに基づいて、HCFSLNは他の6つの基準と比較され、88%の精度を達成し、最良基準を14%上回る成果を示しました。これにより、不安に関連する音声パターンのモデル化における双曲空間の効果が明らかになり、少数ショット学習の不安分類への可能性が示されました。