在认知正常的成年人中使用语音声学检测临床前阿尔茨海默病风险:用血p-Tau217和APOE-ε4状态验证

科学领域:

• 神经科学是一个神经科学.
• 生物标志物 生物标志物
• 语音科学 语言科学

背景情况:

• 阿尔茨海默病 (AD) 构成了重大的公共卫生挑战,需要早期检测方法.
• 基于血p-tau217和APOE基因型的生物定义的AD风险,可以在认知不受损的个体中进行评估.
• 自发语音声学被探索为一种潜在的可扩展的数字标志物,用于临床前AD风险.

研究的目的:

• 确定自发语音声学是否可以作为生物定义的阿尔茨海默病 (AD) 风险的可扩展数字标记.
• 为了比较基于语音的标记与传统的神经心理学的措施在识别AD风险的有效性.
• 阐明有助于AD风险分层的特定声学特征.

主要方法:

• 49名没有认知障碍的老年人根据血p-tau217水平和APOE基因型被分为低,中等和高风险组.
• 从自发语音中提取声学特征,并使用支持向量机 (SVM) 分类器进行分析.
• 模型被评估有或没有遗传算法特征选择和年龄,并与神经心理测量相比较.

主要成果:

• 基于语音的模型在对AD风险组进行分类时达到高达77%的准确性,明显优于仅基于认知的模型 (47%的准确性).
• SHAP分析揭示了一种独特的声学特征,包括语音质量,光谱外和形式带宽特征.
• 在基于语音的AD风险模型中,年龄被确定为次要贡献因素.

结论:

• 自发语音声学有效地捕捉了生物定义的AD风险,即使存在保存的认知.
• 基于语音的生物标志物为临床前AD风险分层提供了可扩展和生物基础的方法.
• 这项研究支持使用语音分析作为早期发现和管理阿尔茨海默病的新工具.