语音声学标记器检测APOE-ε4载体状态在认知健康的个体

科学领域:

• 神经科学是一个神经科学.
• 遗传学 是一个遗传学.
• 语音科学 语言科学

背景情况:

• APOE-ε4是阿尔茨海默病 (AD) 的主要遗传风险因素.
• 早期的阿尔茨海默病可能表现为微妙的运动和言语控制变化.
• 语音的声学分析提供了一种非侵入性的方法来检测临床前AD效应.

研究的目的:

• 调查语音声学是否可以区分认知健康的APOE-ε4载体与非载体.
• 为了确定哪些语音任务为APOE-ε4状态提供了最佳的分类性能.
• 建立言语作为早期阿尔茨海默病风险的潜在数字生物标志物.

主要方法:

• 一项横截面研究分析了44名健康成年人的语音任务中的声学特征 (19名APOE-ε4载体,25名非载体).
• 使用监督机器学习 (随机森林) 与遗传算法 (GA) 进行特征选择.
• 在受控的实验室环境中,分析了88个声学特征 (eGeMAPS) 的语音录音.

主要成果:

• 自发言语的随机森林分类在区分APOE-ε4载体方面取得了高准确性 (F1>0.90).
• 自发语音分析在基因型分类方面表现优于结构化语音任务.
• 基于遗传算法的特征选择提高了分类性能,特别是在女性参与者中.

结论:

• 自动语音声学分析可以检测无症状个体的APOE-ε4载体状态.
• 自发语音分析是识别早期阿尔茨海默病风险的有希望的方法.
• 语音声学代表了一个可扩展和非侵入性的数字生物标志物,用于临床前AD检测.