基于语音的生物标志物在轻度认知障碍的诊断实用性:系统性审查和元分析
Zahra Jafari1,2,3,4, Melissa K Andrew2, Kenneth J Rockwood2
1School of Communication Sciences and Disorders, Dalhousie University, Halifax, Nova Scotia, Canada.
Age and ageing
|October 28, 2025
概括
语音分析显示了早期轻度认知障碍 (MCI) 检测的前景,在区分MCI和认知不受损的个体方面提供了适度的准确性. 这种具有成本效益的方法为潜在的诊断用途提供了平衡的灵敏度和特异性.
科学领域:
- 神经学 神经学
- 生物标志物 生物标志物
- 语音科学 语言科学
背景情况:
- 轻度认知障碍 (MCI) 的检测对于早期干预至关重要.
- 语音特征分析为MCI检测提供了一种非侵入性的,具有成本效益的方法.
- 本综述综合了用于MCI识别的基于语音的生物标志物的证据.
研究的目的:
- 系统地审查和分析用于MCI检测的基于语音的生物标志物的诊断实用性.
- 评估语音分析的准确性,敏感性和特异性,以区分MCI与认知正常的个体.
主要方法:
- 按照PRISMA指南进行系统审查和元分析.
- 在PubMed,Scopus,Ovid Medline和PsycINFO数据库中搜索到2025年4月.
- 包括来自4432个识别记录的54篇同行评审文章.
主要成果:
- 分析显示了综合估计:准确率为80.0%,AUC为78.0%,灵敏度为80.0%,在区分MCI和认知不受损 (CU) 个体时的特异性为77.0%.
- 在所有研究中没有发现显著的出版偏差 (P ≥ .299) 或异质性 (I2 = 0.00%,P = 1.00).
- 四项研究表明,与CU相比,主观认知衰退组的语言特征有显著差异.
结论:
- 语音分析表明MCI检测的分类性能中等.
- 这些发现表明,语音分析是MCI的潜在准确和具有成本效益的诊断工具.
- 建议进行进一步的研究,以解决方法上的差异,并验证在不同人群中发现的结果.
关键词:
准确度 准确度 准确度 准确度自动语音识别自动语音识别机器学习是机器学习.轻度的认知障碍 轻度的认知障碍年龄较大的成年人.灵敏度 灵敏度 灵敏度 灵敏度 灵敏度特殊性的特异性语音分析 语音分析主观认知衰退 主观认知衰退系统性审查 系统性审查更多相关视频
04:33Author Spotlight: Unveiling the Connection Between Sleep Disorders and Cognitive Symptoms in Depression
Published on: April 26, 2024
1.2K
06:23The 4 Mountains Test: A Short Test of Spatial Memory with High Sensitivity for the Diagnosis of Pre-dementia Alzheimer's Disease
Published on: October 13, 2016
33.7K
