加齢に伴う身体機能障害のスケーラブルなデジタル表現型を可能にする自発的スピーチ

科学分野:

• 老年医学とデジタルヘルス
• バイオマーカーと機械学習

背景:

• 病的な加齢は世界的に増大する課題であり、生活の質を維持するためには身体的衰退の早期検出が必要。
• 現在の身体評価方法は、広範なスクリーニングにおいてアクセス性やスケーラビリティが欠けている可能性がある。
• 音声分析は、加齢に関連する生理学的変化を評価するための非侵襲的な手段を提供する可能性がある。

研究 の 目的:

• 多重音声分析が、高齢者の特定の身体機能障害を特定できるかどうかを調査する。
• 音声データを使用して身体的衰退を分類するための機械学習モデルを開発および検証する。
• 加齢における多次元身体機能のデジタルバイオマーカーとしての音声の可能性を探る。

主な方法:

• 271人の地域在住高齢者の自発的感情音声記録から、音響、言語、時間的音声特徴を分析。
• 10の身体領域（例：筋力、バランス、歩行、移動性）における障害を分類するための機械学習アンサンブルモデルを適用。
• 説明可能なAI（SHAP）を使用して音声シグネチャを解釈し、病態生理学的関連を特定。

主要な成果:

• 10の身体機能領域すべてにわたる身体機能障害に対する高い分類精度（平均AUC = 0.91）。
• 感情的多重タスクスタッキングにより、80%の身体測定値の検出が改善。
• 特定の障害に関連するレキシコシンタックス、神経運動時間、発音スペクトルなどの音声変化クラスターを特定。

結論:

• 自発的音声分析は、加齢における多次元身体機能の包括的なデジタルバイオマーカーとして機能する。
• このアプローチにより、スマートフォン録音を使用した身体的加齢の正確でアクセス可能かつスケーラブルなスクリーニングが可能になる。
• 精密老年医学およびサービス不足の集団のための「身体的加齢時計」として音声分析を開拓する。