臨床症状

科学分野:

• 神経科学
• 計算言語学
• 老年医学

背景:

• 高齢化する人口は、主観的認知機能低下（SCD）、軽度認知障害（MCI）、アルツハイマー病による認知症（ADD）を含む神経認知障害の増加率に直面しています。
• 従来の診断方法（認知テスト、神経画像）は、多くの地域で費用がかかり、時間がかかり、アクセスが困難です。
• 自動音声と言語分析（ASLA）は、サービスが行き届いていないコミュニティでの早期検出のための費用効果が高くスケーラブルな代替手段を提供します。

研究 の 目的:

• チリのスペイン語を話す個人における神経認知低下の連続体全体にわたる認知および神経画像測定を予測するASLAの有効性を調査すること。
• この特定の人口統計および認知スペクトルに関するASLA研究のギャップに対処すること。

主な方法:

• 150人のチリの参加者（対照群17人、SCD 55人、MCI 57人、ADD 21人）が、流暢性タスク、認知評価（ACE-III、MoCA、IFS）、およびMRIスキャンを完了しました。
• 機械学習モデルは、TELLアプリを使用して、流暢性タスクからの音声特徴（単語の特性、タイミング）を分析しました。
• モデルは、認知テストスコアと脳体積（灰白質、白質、海馬）を予測しました。

主要な成果:

• ASLA由来の特徴と認知スコア（ACE-III：r=0.55、MoCA：r=0.39、IFS：r=0.31）との間に有意な相関が見られました。
• ASLAは、正規化された灰白質体積（r=0.34）とも相関していました。
• これらの発見は、両方の流暢性タスクからの単語特性機能を使用したときに最も堅牢でした。

結論:

• 完全に自動化されたASLAパイプラインは、短い音声タスクから脳の健康の認知およびMRI指標を効果的に捉えます。
• このアプローチは、検査者から独立しており、客観的で、時間を節約でき、手頃な価格であり、標準的な診断ツールよりも利点があります。
• ASLAは、認知症や認知機能低下と戦う上でのグローバルヘルスエクイティを促進するためのスケーラブルなソリューションを表します。