高齢者の嚥下障害スクリーニングのための音響特徴量に基づくモデルの開発と検証

科学分野:

• 老年医学
• 医用生体工学
• ヘルスケアにおける機械学習

背景:

• 嚥下障害は高齢者集団において一般的かつ重篤な状態です。
• 現在の嚥下障害スクリーニング方法にはスケーラビリティが欠けています。
• 嚥下障害のリスクがある高齢者を特定するための自動化されたツールの必要性があります。

研究 の 目的:

• 高齢者の嚥下障害リスクをスクリーニングするための自動機械学習モデルを開発・検証すること。
• 嚥下障害リスク評価に音声、咳、嚥下音響特徴量を利用すること。
• 高齢者集団における嚥下障害の早期発見のためのスケーラブルなツールを作成すること。

主な方法:

• TRIPODガイドラインに従い、変数選択、モデル構築、評価を実施しました。
• 介護施設に入所している高齢参加者から音声データ（音声、咳、嚥下）を収集しました。
• LASSO回帰により主要な特徴量を特定しました。ロジスティック回帰、ランダムフォレスト、SVM、XGBoostモデルを構築・評価しました。

主要な成果:

• XGBoostモデルは内部検証でAUC 0.86、外部検証でAUC 0.71を達成しました。
• モデルは良好な識別能、較正、臨床的有用性を示しました。
• 音響特徴量は高齢者の嚥下障害リスクを効果的に予測しました。

結論:

• 音響特徴量に基づくXGBoostモデルは、高齢者の嚥下障害リスクをスクリーニングするための効果的かつ自動化された方法を提供します。
• このツールは、医療専門家がリスクのある個人を特定し、適時に介入するのを支援できます。
• このモデルによって促進される早期介入は、高齢者の臨床的転帰を改善する可能性があります。