开发和测试基于人工智能的语音生物标志物模型,以检测社区成年人的认知障碍:日本的一项横截面研究
Eri Kiyoshige1, Soshiro Ogata1, Namhee Kwon2
1Department of Preventive Medicine and Epidemiology, National Cerebral and Cardiovascular Centre, 6-1 Kishibe-Simmachi, Suita, Osaka, 564-8565, Japan.
The Lancet regional health. Western Pacific
|July 17, 2025
概括
人工智能 (AI) 可以使用对话中的语音生物标志物来检测认知障碍. 这种方法提供了一个及时的,非侵入性查工具,具有高预测准确性 (AUC = 0.89),显著提高了早期检测能力.
科学领域:
- 老年学是一门学科.
- 生物标志物 生物标志物
- 人工智能的人工智能
背景情况:
- 轻度认知障碍 (MCI) 可以改变语音模式,使语音成为潜在的生物标志物.
- 人工智能 (AI) 提供了一种非侵入性,具有成本效益的方法,通过语音分析来检测认知障碍.
研究的目的:
- 开发和验证使用语音生物标志物对认知障碍的AI驱动的预测模型.
- 评估语音生物标志物的有效性,以提高认知障碍检测的准确性.
主要方法:
- 一项观察性,横截面研究包括1461名日本社区成年人.
- 从3分钟的采访中分析了语音数据,使用Wav2Vec2提取512维的语音生物标志物.
- 预测模型是使用极端梯度增强和深度神经网络构建的,性能由AUC评估.
主要成果:
- 与仅使用年龄,性别和教育的模型相比,结合语音生物标志物的模型显著提高了预测准确性 (AUCs从0.88到0.89不等).
- 该研究实现了认知障碍检测的高预测性能 (AUC = 0.89).
结论:
- 人工智能衍生的语音生物标志物为认知障碍查提供了高度准确和高效的工具.
- 语音分析代表了一种有希望的,非侵入性的方法,用于早期检测认知衰退.
