针对老年人认知功能衰退的自动自发语音分析:多语言横截面研究
Emilia Ambrosini1, Chiara Giangregorio1, Eugenio Lomurno1
1Department of Electronics, Information and Bioengineering, Politecnico di Milano, Milano, Italy.
JMIR aging
|February 22, 2024
概括
分析言论自由可以检测到老年人的认知衰退. 这种非侵入性语音分析提供了一种低成本的方法,用于早期检测和监测认知功能.
科学领域:
- 老年学是一门学科.
- 计算语言学 计算语言学
- 人工智能的人工智能
背景情况:
- 预期寿命的增加与与年龄相关的认知衰退的增加有关.
- 早期发现疾病显著提高了治疗的有效性.
- 对于居住在社区的老年人来说,迫切需要可访问,具有成本效益的查解决方案.
研究的目的:
- 调查自动言论自由分析用于识别认知功能下降的潜力.
- 开发和验证机器学习模型,以使用语音数据早期检测认知障碍.
主要方法:
- 在意大利和西班牙招募了266名65岁以上的参与者,根据MMSE分数进行分类.
- 收集了讲故事和描述图片任务的语音录音.
- 使用单语言和跨语言方法提取了高级语音特征和训练的机器学习算法 (二进制和多类分类),并使用Shapley附加解释进行了增强.
主要成果:
- 在意大利数据集中,在区分健康个体与轻度认知障碍的个体和在中度至重度认知障碍的个体之间实现了80%的准确性,并且达到86%的准确性.
- 在西班牙语和多语言数据集上表现稍低但显著.
结论:
- 提出了一种透明,不引人注目的语音分析方法,用于对老年人进行大规模认知监测.
- 语音是一种验证的,非侵入性的生物标志物,用于检测认知衰退,适合集成到移动健康应用程序中.
