基于语音特征的基因综合征查的人工智能程序

科学领域:

• 医学诊断 医学诊断 医学诊断
• 生物声学是一种生物声学.
• 人工智能的人工智能

背景情况:

• 与健康个体相比,患有遗传综合征的个体往往表现出不同的声音特征.
• 在遗传综合征中,现有的语音分析方法缺乏系统程序和自动诊断工具.
• 精确和早期诊断罕见遗传综合征对于有效管理至关重要.

研究的目的:

• 建立一个标准化的程序,从患有遗传综合征的个体收集病态语音数据.
• 开发和评估基于人工智能的自动化工具,用于使用语音分析对遗传综合征的差异诊断.
• 调查声学特征在区分不同遗传综合征的有效性,跨越不同的年龄和性别群体.

主要方法:

• 为录制声音而开发了一个系统的协议,包括设备指导方针,语音任务和声学参数.
• 创建了56名患有科斯特罗综合征 (CS),唐氏综合征 (DS),努南综合征 (NS) 和史密斯-马根尼斯综合征 (SMS) 的受试者的数据库.
• 机器学习模型 (k-最近邻居,SVM) 被训练并对声学特征进行测试,以将受试者分为诊断组.

主要成果:

• 在健康受试者和患者之间,以及在儿科,成年女性和成年男性组中的不同综合征之间,在声学特征中发现了显著的差异.
• 机器学习模型实现了很高的分类准确率:儿科受试者为86%,成年女性为77%,成年男性为84%.
• 这项研究表明了声学分析与人工智能结合用于遗传综合征的非侵入性表征的潜力.

结论:

• 拟议的方法为语音数据收集和分析提供了一种可重复和均的程序.
• 人工智能驱动的声学分析显示出作为一种有效的,非侵入性的工具来支持遗传综合征的差异诊断的承诺.
• 这种方法对于罕见的综合症或重叠表型的症状特别有益,有助于临床决策.