在半自动电话评估中对认知任务进行自动语音分析的验证
Daphne Ter Huurne1, Nina Possemis1, Leonie Banning2
1Alzheimer Center Limburg, School for Mental Health and Neuroscience, Maastricht University, Maastricht, The Netherlands.
Digital biomarkers
|October 30, 2023
概括
自动语音识别 (ASR) 在一个记忆诊所中准确评估了口头学习和流利性. 这种基于电话的方法显示出主观认知衰退 (SCD) 与轻度认知障碍 (MCI) 的区别有希望.
科学领域:
- 神经学和认知科学 神经学和认知科学
- 语音技术和计算语言学
- 医疗信息学 医疗信息学
背景情况:
- 记忆诊所使用口头学习测试 (VLT) 和语义口头流利 (SVF) 等测试来评估认知功能.
- 这些测试的传统手动评分可能会耗费大量时间,并且容易导致评分机构之间的变化.
- 开发用于认知评估的自动化方法可以提高效率和可访问性.
研究的目的:
- 评估自动语音识别 (ASR) 软件在评分VLT和SVF任务中的准确性.
- 评估ASR衍生得分的能力,以区分主观认知衰退 (SCD) 和轻度认知障碍 (MCI).
- 为了确定ASR的语音和语言特征是否提供超出总分的诊断价值.
主要方法:
- 94名记忆诊所参与者 (56名SCD,38名MCI) 接受了半自动电话评估.
- 语言学习测试 (VLT) 和语义语言流利 (SVF) 任务被音频录制并由移动应用程序处理,以自动提取回忆数和语音特征.
- 机器学习分类器经过训练,可以使用ASR衍生数据区分SCD和MCI组.
主要成果:
- 在VLT即时召回 (ICC=0.89),VLT延迟召回 (ICC=0.94) 和SVF (ICC=0.93) 的手动和ASR分数之间观察到高的互评分可靠性.
- 一个包含总词数和语音/语言特征的综合模型实现了VLT立即回忆的AUC为0.81,VLT延迟回忆的AUC为0.77,SVF的AUC为0.61.
- 基于电话的VLT证明了区分SCD和MCI参与者的能力.
结论:
- 自动语音识别 (ASR) 在记忆诊所环境中显示出与手动评分对VLT和SVF任务的高度一致.
- 使用ASR的基于电话的VLT评估可以有效地区分主观认知衰退 (SCD) 和轻度认知障碍 (MCI) 患者.
- 这项技术具有有效的临床试验查和远程认知监测的潜力.
