开发和验证一种机器学习方法,使用语音生物标志物来识别社区老年人的脆弱性:跨部门研究
Taehwan Kim1, Jung-Yeon Choi2, Myung Jin Ko1
1Silvia Health Inc., Seoul, Republic of Korea.
JMIR medical informatics
|January 17, 2025
概括
这项研究表明,分析语音生物标志物的人工智能 (AI) 模型可以准确地预测老年人的脆弱性. 基于语音的人工智能为早期脆弱性检测提供了一种非侵入性方法,改善了临床评估.
科学领域:
- 老年学是一门学科.
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 目前的脆弱性评估方法,包括脆弱性表型和脆弱性指数,在临床应用方面存在局限性.
- 测量脆弱性的标准化方法仍然缺乏,这凸显了需要创新的方法.
研究的目的:
- 开发和验证一种人工智能 (AI) 分类模型,用于使用语音生物标志物预测社区老年人的脆弱状态.
- 为了利用图片描述任务 (PDT) 的语音录音,进行非侵入性的脆弱性评估.
主要方法:
- 招募了127名年龄在50岁以上的参与者,并使用综合老年病评估尺度收集了临床数据.
- 在韩国PDT期间通过平板电脑收集了语音录音,预处理音频以消除噪音.
- 开发了三个人工智能模型:SpeechAI (仅提供语音数据),DemoAI (仅提供人口统计数据) 和DemoSpeechAI (组合数据).
主要成果:
- 语音AI模型实现了80.4%的准确性和0.89的AUC,超过仅仅人口统计模型 (67.96%的准确性,AUC0.74).
- 综合的DemoSpeechAI模型表现出卓越的性能,准确度为85.6%,AUC为0.93.
- 语音AI显著优于传统的声学特征方法 (AUC 0.89与0.57-0.66).
结论:
- 基于深度学习的AI模型分析的语音生物标志物可以有效地预测社区老年人的脆弱性.
- 基于语音的AI模型提供了一种非侵入性和可扩展的方法来检测脆弱性.
- 这些人工智能模型有可能在临床和社区环境中简化脆弱性评估.
