一款使用语音数据检测阿尔茨海默病的自主管理移动应用程序

阿尔茨海默病 (AD) 是最常见的痴呆症。重要的是从早期阶段开始干预，例如，轻度认知障碍(MCI)阶段，以预防或延缓AD的进展。对于 AD 和 MCI 的早期检测，越来越需要开发用户友好、自我管理的日常生活中使用的筛查工具。

语音是一种很有前途的数据源，可用于开发此类筛选工具。在 AD 的早期阶段已经观察到语言障碍，并且表征这些障碍的语言特征已被用于 AD 的自动检测。然而，用于将人类语音转换为文本的自动语音识别的准确性在老年人的情况下通常比其他年龄组的人质量差，这对开发自动工具提出了挑战。

因此，筑波大学的研究人员开发了一个自我管理的移动应用程序原型，以帮助早期检测 AD 和 MCI。使用此应用程序，研究人员收集并分析了来自 114 名参与者(包括 AD 患者、MCI 患者和认知正常参与者)的五项认知任务的语音数据。这些任务基于用于痴呆症筛查的神经心理学评估，包括图片描述和语言流畅性任务。

结果表明，通过语言特征评估的语言障碍程度，特别是那些与语义方面(例如，信息量和词汇丰富度)相关的特征，可以在语音识别准确性较差的情况下可靠地估计。此外，通过将这些语言特征与参与者声音的声学和韵律特征相结合，机器学习模型可以可靠地检测 MCI 和 AD，准确率分别为 88% 和 91%。研究结果发表在《计算机语音与语言》杂志上。

这似乎是第一项显示自动、自我管理的筛选工具通过可靠地捕获语言障碍来检测 AD 和 MCI 的可行性的研究，即使是在自动语音识别准确性较差的条件下获得的语音数据也是如此。拟议的工具可能有助于增加对用于早期检测 AD 的筛查工具的访问。

标签：