使用动态时间扭曲为基础的语音生物标志物对COVID-19患者进行严重性分类:可行性跨部分研究

科学领域:

• 生物医学工程 生物医学工程
• 计算语言学 计算语言学
• 传染病研究 传染病研究

背景情况:

• 在日本,COVID-19患者监测从轻度病例的住院转向家庭护理,需要使用替代监测方法.
• 脉冲氧计的短缺凸显了需要具有成本效益和可访问的监测工具的需求.
• 语音生物标志物在监测其他神经疾病方面表现有前途,这表明传染病应用的潜力.

研究的目的:

• 调查使用基于动态时间扭曲 (DTW) 的语音生物标志物来分类COVID-19严重性的可行性.
• 开发一种二进制分类模型,使用语音数据区分轻度和中度的COVID-19疾病.
• 建立语音分析作为远程患者监控的潜在成本效益替代方案.

主要方法:

• 一项涉及110名COVID-19患者 (61名轻度,49名中度) 的横截面研究,采集了语音样本.
• 长元音 (/a/, /e/, /u/) 的语音样本被处理成波形并使用基于DTW的索引进行分析.
• 用一个通用线性模型 (GLM) 来创建二进制分类模型,通过接收机操作特征 (ROC) 曲线和混矩阵验证性能.

主要成果:

• 基于DTW的差异指数在轻度和中度COVID-19之间显著差异化,达到79%至88.6%之间的平衡精度.
• 该GLM模型显示了高平衡精度: /a/为86.3%, /e/为80.2%, /u/为88%.
• 该模型实现了高的曲线下面积 (AUC) 值,不同元音的范围为86.5%至95.6%,表明了强大的预测性能.

结论:

• 基于DTW的语音生物标志物提供了一种可行且准确的方法来分类COVID-19的严重程度.
• 这种语音分析方法为监测COVID-19患者提供了一种成本效益和可访问的替代方案,特别是在高需求时期.
• 这些发现支持语音生物标志物的潜力,作为传染病远程患者管理的宝贵工具.