バイオマーカー

科学分野:

• 神経科学;人工知能;計算言語学

背景:

• アルツハイマー病（AD）の診断は重要ですが、現在の方法は高価でアクセスが困難です。非侵襲的な認知スクリーニングは、主観的および環境的要因により精度が不足しています。言語バイオマーカー分析は、ADスクリーニングのための安定した便利な代替手段を提供します。

研究 の 目的:

• 早期認知機能障害検出のためのマルチモーダルAIフレームワークを開発および検証すること。BERTおよびその他の機械学習モデルを活用して、音声とテキストを分析すること。認知機能低下に関連する主要な言語および音響バイオマーカーを特定すること。

主な方法:

• 認知機能障害のある個人と健康な対照者を区別するために体系的なアプローチが使用されました。上海認知スクリーニング（SCS）テストからのセマンティック特徴と、BERTおよびOpenSMILEを使用した音響特徴が300人の被験者から抽出されました。テキスト用のCNNモデルと、オーディオ用の5つのモデル（RF、XGBoostなど）がトレーニングされ、結果はハード投票を使用して融合され、特異度を使用して評価されました。

主要な成果:

• マルチモーダルフレームワークは、MoCA-Basicテスト（精度77.17％）を大幅に上回る91.80％の精度と91.85％のF1スコアを達成しました。特定された主要なバイオマーカーには、一時停止時間の増加、音響特徴のスペクトル変化、テキストのセマンティック複雑性の低下が含まれます。フレームワークは、認知機能障害を区別する上で高い信頼性と妥当性を示しました。

結論:

• 提案されたマルチモーダルフレームワークは、早期認知機能障害検出のための高精度で費用対効果が高く非侵襲的な方法を提供します。特定されたバイオマーカーは、認知機能低下における早期機能障害の洞察を提供します。このアプローチは、ADの理解を深め、改善されたスクリーニングツールの開発を促進します。