一个基于语音的预后模型,用于ALS中异性关节炎的进展

科学领域:

• 神经学 神经学
• 语音语言病理学 语音语言病理学
• 生物医学工程 生物医学工程

背景情况:

• 肌缩侧面硬化症 (ALS) 逐渐影响言语,影响患者的沟通和生活质量.
• 准确预测语音障碍对于及时干预和ALS患者管理至关重要.
• 现有的评估ALS语音衰退的方法可能缺乏精确,个性化的预测的细节性.

研究的目的:

• 开发和验证一种预后模型,用于预测ALS患者未来的语言障碍.
• 确定从语音录音中测量关节精度的临床实用性,用于ALS进展监测.
• 为了将语音的声学测量与已建立的临床尺度 (如ALSFRS-R语音分数) 相关联起来.

主要方法:

• 利用两项ALS研究中的纵向语音录音和ALSFRS-R语音子谱.
• 开发了一种算法,通过分析语音样本中的语音声学来量化发音精度.
• 对表达精度测量与感知评级进行了验证,并使用它来构建未来语音能力的预测模型.

主要成果:

• 在关节精度方面建立了强大的分析和临床有效性 (r = .9与感知等级).
• 通过45-90天的校准期,成功预测了30-90天前的关节精度.
• 实现了较低的平均绝对误差:4%的表达精度和14%的ALSFRS-R语音分数.

结论:

• 一个特定对象的预后模型准确地预测了ALS患者未来的关节精度.
• 该模型有效地预测ALSFRS-R语音分数,为临床评估提供了有价值的工具.
• 这种方法使得精确的,数据驱动的预测能够在患有ALS的个体中预测语音衰退.