ディープニューラルネットワークを用いた前臨床ハンチントン病進行の音声ベースモデルに向けて
Luis A Sierra1, Japleen Kaur2, Namhee Kwon3
1Department of Neurology, Beth Israel Deaconess Medical Center, Boston, MA, USA.
Digital biomarkers
|February 23, 2026
まとめ
音声分析は、ディープラーニングを用いて前臨床ハンチントン病（preHD）を正確に特定する。このスケーラブルなアプローチは、神経変性疾患の早期検出とモニタリングのための有望なツールを提供する。
背景:
- ハンチントン病（HD）は、運動、認知、精神症状を伴う進行性の神経変性疾患です。
- 現在の病期分類法は、早期の前臨床変化に鈍感です。
- 音声異常は潜在的なデジタルバイオマーカーですが、pre-HDと対照群を区別することは困難です。
研究 の 目的:
- 音声のみのアプローチでpre-HDと健常対照群を識別する実現可能性を評価すること。
- 様々な機械学習分類器と特徴セットの効果を評価すること。
主な方法:
- 標準化されたプロトコルを使用して、94人のHD患者（38人はpre-HD）と36人の対照群から音声サンプルを収集しました。
- 188の語彙的および韻律的特徴を抽出しました。
- 4つの分類器（ランダムフォレスト、SVM、XGBoost、DNN）を、異なる特徴構成で10倍交差検証を使用してトレーニングしました。
主要な成果:
- DNNは、Caterpillar passageのみを使用して、pre-HD対対照群で81%の精度を達成しました。前駆HDでは83%、全HD対対照群では87%に精度が向上しました。追加の特徴やタスクは、分類性能を向上させませんでした。
結論:
- 短い構造化された音声タスクとディープラーニングを組み合わせることで、pre-HDを正確に分類できます。
- 音声分析は、HDの早期検出とモニタリングのためのスケーラブルで客観的なツールです。
