通过人工智能驱动的语音分析检测和监测中风后认知障碍的协议:混合方法试点研究
Ravi Shankar1, Effie Chew2,3,4, Anjali Bundele1,5
1Medical Affairs - Research Innovation & Enterprise, Alexandra Hospital, National University Health System, Singapore, Singapore.
Frontiers in aging neuroscience
|May 16, 2025
概括
语音分析显示,早期发现中风后认知障碍 (PSCI) 是有前途的. 这项研究探讨了语音标记,以预测中风幸存者的认知衰退,从而有可能改善监测和干预.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 语音科学 语言科学
背景情况:
- 脑卒中后认知障碍 (PSCI) 影响了许多幸存者,但很难用标准测试来检测.
- 使用人工智能的语音分析为认知查提供了一种新的方法.
- 人工智能驱动的语音分析对PSCI的应用尚未得到充分探索.
研究的目的:
- 在中风后的第一年内识别PSCI的语音标志物.
- 评估这些标志物在预测认知结果方面的有效性.
- 在新加坡队伍中评估基于语音的查.
主要方法:
- 对30名中风幸存者进行前性混合方法研究.
- 在中风后的基线,3个月,6个月和12个月的评估.
- 使用自动语音识别 (ASR) 分析语言和声学特征的语音录音.
- 机器学习模型开发用于预测认知障碍 (MoCA分数).
主要成果:
- 语音特征与MoCA分数之间的相关性分析.
- 机器学习模型用于认知障碍的分类和回归.
- 使用线性混合效应模型对MoCA分数和语音特征进行纵向分析.
结论:
- 基于语音的数字生物标志物为PSCI检测提供了一种敏感,可行的方法.
- 这种方法可以实现认知健康的远程,频繁的监测.
- 早期发现和干预可能会改善中风幸存者的结果.
