在家庭医疗保健中开发一种轻度认知障碍和早期痴呆症的多模式查算法:使用语音分析,大型语言模型和电子健康记录进行跨部分病例对照研究的协议

科学领域:

• 老年学和认知神经学.
• 医疗信息学和机器学习
• 语音和语言病理学 语言病理学

背景情况:

• 轻度认知障碍和早期痴呆症 (MCI-ED) 由于时间限制和不完整的文档,在家庭医疗保健 (HHC) 中经常错过.
• 像OASIS这样的当前评估可能无法捕捉微妙的认知变化.
• 语音模式和临床笔记为早期MCI-ED识别提供了潜力.

研究的目的:

• 开发和评估MCI-ED在HHC中的多模式查方法.
• 集成语音/交互功能,从笔记中提取的LLM数据,以及OASIS变量.
• 在HHC环境中提高认知衰退的早期检测.

主要方法:

• 跨截面病例控制研究,涉及接受HC的60岁以上的成年人.
• 收集有声记录的患者与护士的接触,EHR数据 (包括OASIS和笔记).
• 提取了语音/交互功能;用于文本提取的LLM;使用机器学习集成数据.

主要成果:

• 评估了114名HHC患者 (55例MCI-ED病例,59例对照).
• 对患者与护士的接触进行了分析,分析了语音,互动和语言特征.
• 探索性分析表明,多式联运模型的表现优于单源模型.

结论:

• 开发了一个可复制的多式模式框架,用于MCI-ED查HHC.
• 数据收集和处理是可行的.
• 整合语音,文本和OASIS变量显示了改善MCI-ED检测的希望.