在早期阿尔茨海默病中自动检测渐进的语言变化

科学领域:

• 神经学 神经学
• 语音语言病理学 语音语言病理学
• 计算语言学 计算语言学

背景情况:

• 阿尔茨海默病 (AD) 的特点是言语和语言的改变.
• 在早期的阿尔茨海默病中,这些言语变化的纵向进展仍然没有得到充分的研究.
• 对话变化的客观表征对于监测疾病轨迹至关重要.

研究的目的:

• 开发和验证一种新的复合评分,用于表征在前发性至轻度阿尔茨海默病的纵向语音变化.
• 评估自动语音分析的可行性,以检测渐进的语音变化.
• 探索基于语音的指标与AD的临床终点的相关性.

主要方法:

• 来自患有前发性至轻度AD的队列的开放式语音样本的分析.
• 从临床痴呆症评分 (CDR) 访谈演讲中计算声学和语言测量.
• 开发一个综合语音分数,整合九种不同的语音和语言指标.
• 在18个月的时间内对纵向变化的评估.

主要成果:

• 在18个月的时间里,在特定的声学和语言语音测量中发现了显著的纵向变化.
• 一个新的复合语音评分显示了与初级和二级临床终点的显著相关性.
• 开发的语音组合显示了在检测纵向变化方面与临床测量相比较的效果大小.
• 自动语音分析被证明是可行的,以表征早期AD的渐进性变化.

结论:

• 纵向语音分析可以有效地描述早期阿尔茨海默病的语音变化.
• 一个由声学和语言测量得出的新的复合得分显示了对监测疾病进展的希望.
• 自动语音分析提供了远程,高频监测AD的潜力,帮助研究和临床试验.