通过使用自动声学分析来检测凸轮肌缩侧硬化症 (ALS).

科学领域:

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

背景情况:

• 基于家庭的语音评估可以改善肌缩侧面硬化症 (ALS) 护理和临床试验分层.
• 目前的声学语音分析面临着实验室限制和不透明方法等障碍,阻碍了ALS分期.
• 远程分析工具可以在不需要去诊所诊断的情况下,提前检测和监测ALS.

研究的目的:

• 评估远程应用程序的声学特征是否可以检测ALS及其不同严重程度的语言障碍.
• 评估远程声学分析的有用性,以区分ALS患者和健康对照.
• 确定远程声学特征在将ALS患者分为早期和晚期疾病阶段的分层能力.

主要方法:

• 分析了来自119名ALS患者和22名健康对照者的语音样本,他们阅读了一个标准化的段落.
• 使用远程评估应用程序提取了53个声学特征.
• 将ALS患者分层分为早期 (ALS-E) 和晚期 (ALS-L) 阶段,使用ALS功能评分表 - 修订的圆柱体得分.
• 在数据分析中使用了稀疏的贝叶斯逻辑回归分类器.

主要成果:

• 声学特征使ALS患者与对照患者区分开来,AUROC为0.85.
• 早期的ALS患者 (ALS-E) 与对照人群相隔很远 (AUROC = 0.78).
• 在早期 (ALS-E) 和晚期 (ALS-L) 阶段的ALS患者之间实现了合理的分离 (AUROC = 0.70).

结论:

• 远程声学语音分析对于检测ALS具有显著的潜力.
• 这项技术可以有效地根据疾病严重程度对患者进行分层.
• 经过验证的远程工具可以促进早期诊断和远程监测ALS患者.