自発的スピーチからの認知評価のためのトランスリンガル言語マーカー

科学分野:

• 計算言語学
• 神経科学
• 人工知能

背景:

• 軽度認知障害（MCI）は認知症の前駆症状であり、介入のためには早期検出が必要です。
• 現在の検出方法は侵襲的または高価である可能性があります。
• 自発的スピーチにおける言語マーカーは、MCI同定のための非侵襲的でアクセス可能なアプローチを提供します。

研究 の 目的:

• 自発的スピーチからのバイリンガル言語マーカーのMCI検出における有効性を調査すること。
• これらの言語マーカーを使用してミニメンタルステート検査（MMSE）スコアを予測すること。
• MCI同定と認知評価のための堅牢なフレームワークを開発すること。

主な方法:

• 自発的スピーチからバイリンガル音響、意味論的、統語的特徴を抽出しました。
• 小規模サンプルサイズと不均衡な人口統計に対処するフレームワークを採用しました。
• MMSEスコア予測のための事前知識として臨床分類予測を組み込んだマルチタスク学習アプローチを利用しました。

主要な成果:

• MCI検出のための平均偽陽性率（Balanced Accuracy）78.2%を達成しました。
• MMSEスコア予測のための平均二乗誤差（RMSE）2.705を得ました。
• トランスリンガル言語マーカーが自発的スピーチからのMCI検出を強化することを示しました。

結論:

• 自発的スピーチから誘導されるバイリンガル言語マーカーは、MCIの同定に有効です。
• このアプローチは、認知機能低下の早期かつアクセス可能な検出に有望です。
• 開発されたフレームワークは、臨床研究および潜在的な診断サポートのための貴重なツールを提供します。