在运动神经元疾病中对数字语音生物标志物的系统审查和叙事分析
Molly Bowden1, Emily Beswick2,3,4, Johnny Tam2,3
1College of Medicine and Veterinary Medicine, University of Edinburgh, Edinburgh, UK.
NPJ digital medicine
|December 7, 2023
概括
数字语音分析显示出对诊断运动神经元疾病 (MND) 和识别气囊功能障碍的前景. 虽然不是唯一的诊断工具,但这些生物标志物可以检测到MND患者的言语微妙变化.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 语音科学 语言科学
背景情况:
- 运动神经元疾病 (MND) 是一种进展性神经退行性疾病,具有显著的终身风险.
- 凸骨功能障碍在诊断时影响到25%的MND患者.
- 目前的评估依赖于临床检查和像ALS-FRS这样的工具,其语音评估有限.
研究的目的:
- 系统地审查使用数字技术来评估运动神经元疾病中的语音特征.
- 评估数字语音生物标志物用于诊断疾病和监测MND患者的进展.
- 识别数字语音分析在检测腹筋干扰方面的潜力.
主要方法:
- 在谷歌学者,PubMed,Medline和EMBASE的系统文献搜索.
- 评估了40项涉及3670名参与者的研究 (1878名MND).
- 分析各种数字录音设备 (麦克风,智能手机,应用程序) 和数据分析技术 (统计分析,机器学习).
主要成果:
- 数字语音生物标志物可以将MND患者与健康对照区分开来.
- 这些生物标志物显示出在MND患者中识别腹筋干涉的潜力.
- 初步发现表明,声学特征可以检测细微的声音变化.
结论:
- 数字语音生物标志物显示出MND诊断和监测的前景,特别是在腹筋功能方面.
- 目前没有单一的数字生物标志物足以诊断或预测MND.
- 为了验证这些技术,需要对更大的队列进行进一步的纵向研究.
更多相关视频
12:43A Protocol for Comprehensive Assessment of Bulbar Dysfunction in Amyotrophic Lateral Sclerosis ALS
Published on: February 21, 2011
34.8K
06:09Semi-Quantitative Determination of Dopaminergic Neuron Density in the Substantia Nigra of Rodent Models using Automated Image Analysis
Published on: February 2, 2021
4.5K
