ディープラーニングを用いた音声ベースのエクストラピラミッド症状評価
Erandhi M Liyanage1, Kun-Chan Lan2, Quang Ha1
1School of Electrical and Data Engineering, University of Technology Sydney, 15 Broadway, Ultimo, Sydney, NSW 2007, Australia.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は,外ピラミッド症状 (EPS) の重症度を評価するための新しい音声ベースのAIモデルを導入しています. このモデルは,音声録音からの音響特性を用いてEPSを正確に予測し,新しい客観的な評価ツールを提供します.
科学分野:
- 神経科学
- 人工知能
- 言語科学
背景:
- エクストラピラミダル症候群 (EPS) は,手書きや話し方に影響する運動障害であり,しばしばパーキンソン病と関連しています.
- EPSの重度の客観的な評価は,患者の管理と治療の有効性にとって極めて重要です.
- EPSの格付けの現在の方法は,訓練された専門家によって管理される臨床スケールに依存しています.
研究 の 目的:
- エクストラピラミッド症状 (EPS) の重症度を評価するための客観的な音声ベースのツールを開発し,検証する.
- 言語の特定の音響特性とEPSの重度の相関を調査する.
- 音声データから自動化されたEPS分類のための深層ニューラルネットワークによる転送学習を活用する.
主な方法:
- EPSの重度が異なる94人の患者と30人の対照群から,母音と音の録音を含む音声データを収集した.
- EPSの重度の臨床的評価は,薬物誘発性エクストラピラミダル副作用スケールとグラスゴー抗精神病副作用スケールを用いて行われました.
- MFCC,クロマ,スペクトルコントラストなどの音響特性を利用して,音声データの特徴抽出と分類のためにDenseNetアーキテクチャが採用されました.
主要な成果:
- メル周波数セプストラル係数 (MFCC),クロマ,およびスペクトルコントラストの有意な変動は,EPSの重症度が増加すると確認された.
- DenseNetベースのモデルは,音声データからEPSの重さを分類する際に81.9%の精度と82.0%の精度を達成しました.
- これは,客観的なEPSの重症度評価のための音声ベースのモデルを実証した最初の研究です.
結論:
- 声の分析,特に特定の音の特徴は,エクストラピラミッド症状の重度の客観的なバイオマーカーとして機能します.
- 開発されたDenseNetモデルは,EPSの早期発見とモニタリングのための有望で非侵襲的なツールを提供します.
- この音声ベースのアプローチは,EPSに関連する状態の臨床的評価と管理を強化する可能性があります.
