通过自然语言处理对帕金森病的数字表型化

科学领域:

• 神经学 神经学
• 计算语言学 计算语言学
• 人工智能的人工智能

背景情况:

• 帕金森氏病 (PD) 涉及前胸腺退化,导致语言缺陷.
• 目前PD的数字表型化方法语言范围有限,忽视认知表型.
• 需要先进的工具来识别与PD及其认知亚型相关的微妙语言变化.

研究的目的:

• 验证一种人工智能驱动的方法,用于识别帕金森病中轻度认知障碍和无轻度认知障碍 (PD-MCI,PD-nMCI) 的数字语言标记.
• 将PD患者 (有或没有MCI) 的语言表现与健康对照 (HCs) 进行比较.
• 根据语音模式来确定AI在区分PD亚型方面的有效性.

主要方法:

• 分析使用CLAN软件提取语言特征的参与者的连接语音样本.
• 分类模型,包括支持向量机和递归特征消除,用于歧视.
• 用AI驱动的数字标记器用于表型和诊断的验证.

主要成果:

• 人工智能方法在帕金森病 (PD) 和健康对照 (HC) 之间实现了显著的歧视,AUC为77%.
• 小组分析显示了更高的准确性:PD-nMCI与HC相比 (AUC85%),PD-MCI与HC相比 (AUC83%) 和PD-nMCI与PD-MCI (AUC75%).
• 关键的语言特征包括回溯比率,动作动词比率,发言错误比率和无动词发言比率.

结论:

• 人工智能驱动的语音分析为帕金森病提供了强大的数字语言标记.
• 这种方法显示了早期诊断和PD的表型,包括认知障碍的基础能力.
• 语言数字标记可以区分患有轻度认知障碍和没有轻度认知障碍的PD患者,有助于个性化评估.