臨床症状

科学分野:

• 神経科学
• 計算言語学
• 老年医学

背景:

• コネクテッドスピーチ（CS）の変調はアルツハイマー病（AD）で観察されており、認知機能障害の早期マーカーとして機能する可能性があります。
• 機械学習モデルは、CSの特徴を使用してADスペクトラム全体で個人を分類するのに有望です。
• 微妙な性別ベースの言語の違いは、症状の提示と分類の精度に影響を与える可能性があります。

研究 の 目的:

• アルツハイマー病スペクトラム全体でのコネクテッドスピーチの特徴と分類パフォーマンスに対する性別の影響を調査すること。
• さまざまな段階の認知機能低下に対する性別を層別化した機械学習モデルが診断精度を向上させるかどうかを判断すること。

主な方法:

• CCNA COMPASS-NDコホートの751人の参加者のクッキースティーリングシーンの説明の分析。
• Pythonパイプラインを使用した40のレキシカル、セマンティック、およびシンタティックCS特徴の抽出。
• AD、血管性AD、MCI、血管性MCI、およびSCI対認知的に健常（CU）の参加者の分類のためのロジスティック回帰モデルのトレーニング。これは男性と女性で別々に実行されました。

主要な成果:

• 女性は、主観的認知障害（SCI）、軽度認知障害（MCI）、および血管性AD（vAD）で男性よりも高い分類精度（AUC）を達成し、MCIは補正後も有意でした。SCIおよびMCIでは、女性の分類パフォーマンスは偶然率を上回りましたが、男性は偶然率を下回りました。vADの分析により、性別間で異なるスピーチパターンが明らかになりました。vADの男性は、語彙アクセス障害を伴う流暢だが詳細の少ないスピーチを示しましたが、女性は、より多くの充填ポーズを伴う非流暢で反復的なスピーチを示しました。