使用语音预测6年内阿尔茨海默病的进展:一种利用语言模型的新方法

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 计算语言学 计算语言学

背景情况:

• 早期识别患有轻度认知障碍 (MCI) 患有发展为阿尔茨海默病 (AD) 的高风险的患者对于及时干预和临床试验招募至关重要.
• 当前的诊断方法可能是资源密集型的,突出了需要可访问和可扩展的查工具.

研究的目的:

• 开发和评估一种自动化方法,使用语音分析在6年内预测MCI向AD的进展.
• 评估机器学习和自然语言处理技术的有效性,应用于用于预测AD进展的语音数据.

主要方法:

• 利用自然语言处理和机器学习算法来分析来自弗雷明汉心脏研究的166名参与者的语音数据 (90名渐进性MCI,76名稳定MCI).
• 纳入人口统计学特征,如年龄,性别和教育水平,以及语音衍生特征在预测模型中.

主要成果:

• 性能最好的模型在6年内预测MCI到AD进展时,达到78.5%的准确度和81.1%的灵敏度.
• 语音特征与基本的人口统计数据相结合,显示出对疾病进展的显著预测能力.

结论:

• 开发的人工智能驱动的管道提供了一个完全自动化的,具有成本效益和广泛可访问的查工具,用于预测MCI到AD的进展.
• 这种方法促进了远程评估,并有可能显著改善阿尔茨海默病的早期检测和预后.