在ALS中自动语音分析:比ALSFRS-R更高的数字发音精度的灵敏度

科学领域:

• 神经学 神经学
• 语音语言病理学 语音语言病理学
• 生物医学工程 生物医学工程

背景情况:

• 数字语音测量已经显示出在检测肌缩侧面硬化症 (ALS) 语音障碍和与ALSFRS-R语音项目的相关性方面有潜力.
• 然而,在识别临床上显著的语言变化方面,他们的表现缺乏直接比较.
• 这项研究解决了这一差距,为验证ALS进展监测语音测量提供了路线图.

研究的目的:

• 为了比较ALSFRS-R语音项目和算法语音测量的性能,检测ALS患者临床重要语音变化.
• 建立一个基准,用于验证ALS监测的新型语音措施,与FDA提交相关.

主要方法:

• 收集了ALSFRS-R语音分数和ALS参与者的语音样本.
• 计算了ALSFRS-R语音项目和表达精度测量的最小可检测变化 (MDC).
• 用临床医生报告的听众努力和感知严重程度等级来确定每个测量的最小临床重要差异 (MCID).

主要成果:

• 关节精度测量表明MDC (.85) 低于MCID值 (2.74和2.28),表明对临床重要变化的敏感性.
• 相反,ALSFRS-R语音项目的MDC (.86) 大于其MCID值 (.82和.72),表明它没有检测到最小的临床重要差异.
• 关节精度的数字测量有效地检测到语音评级的临床重要差异,超过了ALSFRS-R语音项目.

结论:

• 关节精度的数字测量是一种临床上有意义的结果测量,用于检测ALS的语音变化.
• 与ALSFRS-R语音项目相比,这种算法方法在识别临床重要语音改变方面提供了更高的灵敏度.
• 这些发现支持使用先进的数字语音分析来更有效地监测ALS进展.