|
“ 希望相关技术进步可以尽快提升诊断成功率！”
研究人员开发了一款自我管理的智能手机应用程序，通过分析语音模式来筛查阿尔茨海默病和轻度认知障碍等神经退行性疾病。由于细微的言语障碍是这些疾病的早期指标，这可能是一种更快获得诊断的简单方法。 01 — 愿闻其详（上） 尽管阿尔茨海默病(AD)在世界范围内普遍存在，但据估计，75%的患者尚未被诊断出来。语言障碍通常是阿尔茨海默病的早期症状之一。在早期，个体可能会出现口吃或口吃，难以回忆单词或找到合适的单词来表达他们想说的话。
利用技术捕捉一个人声音的细微变化是帮助医生早期诊断AD和轻度认知障碍(MCI)的一种方式。诊断越早，就越有可能减缓疾病的发展。然而，识别老年人的语言模式可能很困难。来自日本筑波大学和IBM研究院的研究人员开发了一款自我管理的原型智能手机应用程序，可以准确分析某人的语言，以寻找早期AD和MCI的迹象。
研究人员收集了114名参与者的语言数据:25名被诊断为AD, 46名被诊断为MCI,
43名认知健康的参与者。参与者的年龄从72岁到75岁不等。参与者坐在一个安静的房间里，回答预先录制好的问题;他们的答案被记录在iPad上。
02 — 愿闻其详（下） 参与者完成了五项演讲任务:倒数、减法、与语言流畅性有关的任务和图片描述。他们的回答使用IBM沃森语音转文本自动语音识别服务进行转录。这些录音被分析为抖动(音调的短期变化)、闪烁(响度的短期变化)、语速、语调和停顿。通过语音特征，机器学习被用来对三组——AD、MCI和control进行分类，研究人员输入了从每个任务中提取的92个语音特征。
研究人员发现，控制组和患有AD或MCI的参与者在语言模式上存在统计学上的显著差异。此外，机器学习模型检测AD和MCI的准确率分别为91%和88%。据他们所知，这是第一个证明使用自动、自我管理的工具以语音作为标记来检测AD和MCI的可行性的研究。他们提出了进一步的研究，以测试他们的应用程序捕捉到的语言变化是否与这些情况下看到的病理变化相吻合，比如tau和淀粉样蛋白水平。
研究人员承认他们的研究有一些局限性。演讲数据是在实验室环境中收集的，这可能会影响参与者对问题的回答。其次，样本量小，影响了研究结果的普遍性。尽管如此，他们的研究表明，通过一款自我管理的智能手机应用程序，使用语音分析来筛查这些使人衰弱的疾病是有潜力的。 |
|
|
