将多种多模态语音特征结合成一个可解释的索引分数,以捕捉肌缩侧面硬化症的疾病进展

科学领域:

• 神经学 神经学
• 语音科学 语言科学
• 生物医学工程 生物医学工程

背景情况:

• 语音生物标志物提供了关于肌缩侧面硬化症 (ALS) 病理学的宝贵见解.
• 开发强大而有区别的标志物对于ALS的临床管理和药物试验至关重要.

研究的目的:

• 开发一个优化的框架来创建语音生物标志物的线性组合 (索引).
• 增强用于ALS检测的语音指标的区分和抗噪性能.

主要方法:

• 使用分层聚类方法从143名ALS患者和135名健康对照的数据集中选择代表性语音指标.
• 分析了三个指数计算方法:优化线性可区分性,尤登指数和逻辑回归稀疏性.
• 使用5倍交叉验证来评估性能.

主要成果:

• 拟议的语音生物标志物指数表明,与单个指标相比,对于状与非状发病ALS的优越区分能力.
• 优化的索引比单个语音标记更具噪声强度.
• 该框架成功识别了代表性语音指标,并计算出了有效的组合索引.

结论:

• 开发的两步框架有效地产生了针对ALS的强大和有区别的语音生物标志物指数.
• 这些优化的指数具有显著的潜力,可以改善ALS研究中的临床护理和药物试验疗效.
• 语音分析为ALS表型和监测提供了一个有希望的,非侵入性的途径.