通过使用自动声学分析来检测凸轮肌缩侧硬化症 (ALS)
Leif E R Simmatis1,2,3, Jessica Robin4, Michael J Spilka4
1KITE-Toronto Rehabilitation Institute, UHN, Toronto, ON, Canada. leif.simmatis@uhn.ca.
Biomedical engineering online
|February 4, 2024
概括
自动语音分析可以检测肌缩侧面硬化症 (ALS) 和其严重程度. 移动应用程序中的声学特征有效地将ALS患者与对照组和不同疾病阶段区分开来.
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:
- 肌缩侧面硬化症 (ALS) 在临床实践和试验中提出了重大挑战.
- 声学语音分析显示,它有望用于检测ALS的语音运动障碍.
- 由于实验室评估和分析不透明,目前的方法面临局限性,阻碍了疾病的分期.
研究的目的:
- 评估一款用于检测ALS的自动语音评估应用程序.
- 为了确定声学特征是否可以区分ALS疾病的阶段和严重程度.
- 探索ALS患者远程查和监测的潜力.
主要方法:
- 收集了来自119名ALS患者和22名健康对照者的语音样本.
- 从读取标准化段落中分析了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功能评级尺度-修订的杆得分.
- 在数据分析中使用稀疏贝叶斯逻辑回归.
主要成果:
- 自动化的声学特征使ALS患者与AUROC为0.85.85的对照患者区分开来.
- 早期的ALS (ALS-E) 患者与对照人群相隔很远 (AUROC = 0.78).
- 在早期 (ALS-E) 和晚期 (ALS-L) 患者之间实现了合理的分离 (AUROC = 0.70).
结论:
- 自动声学分析对早期发现ALS具有重大潜力.
- 这项技术可以帮助在临床试验和实践中对ALS患者进行分层.
- 基于应用程序的远程语音评估为ALS监测提供了一种可行的方法.
