倫敦大學圣喬治學院（St George＇s， University of London）神經(jīng)科學研究中心的研究人員開展了一項新研究，確定了通過語音分析和機器學習檢測阿爾茨海默病早期跡象的各種任務的優(yōu)缺點。

倫敦大學圣喬治學院官網(wǎng)7月12日消息

這項發(fā)表在《計算機科學前沿》（Frontiers in Computer Science）雜志上的研究表明，雖然機器學習可以用來評估疾病跡象的語言模式，但被測試者所承擔的特定任務在測試的準確性方面發(fā)揮著重要作用。

研究于2021年5月31日發(fā)表在《Frontiers in Computer Science》雜志上

該小組之前的研究表明，阿爾茨海默病在發(fā)病初期就會影響語言，所以語言評估可以用來及早發(fā)現(xiàn)該疾病。越早發(fā)現(xiàn)，就可以越早考慮干預來幫助患者。

這項最新的研究通過評估可用于檢測阿爾茨海默病的測量和任務增加了證據(jù)。通過記錄參與者執(zhí)行的任務的音頻，研究團隊然后機器學習一個在圣喬治開發(fā)的評估疾病跡象的程序。

本研究中使用的任務代表了在醫(yī)療場景中使用的不同方法。臨床醫(yī)生最常用的方法之一是讓患者描述一個被稱為“偷餅干”圖像的場景。其他方法包括讓患者講述他們學到的故事，比如著名的灰姑娘童話。你需要將一系列人物和事件整合到一個難忘的時間軸中。

偷餅干測試

在這項研究中，除了上述評價，研究人員回憶程序（告訴如何泡茶），復述小說故事（從無文字兒童讀物中的圖片解釋故事）和對話。語音（給另一個人解釋通過地圖上的地標的路線，以檢測阿爾茨海默病的跡象）語音分析。

在評估了50名研究參與者（25名患有輕度阿爾茨海默病或輕度認知障礙，25名有健康對照）的結果后，健康對照組最準確地講述了灰姑娘的故事。發(fā)現(xiàn)使用的機器學習系統(tǒng)能夠識別參與者是否患有阿爾茨海默病。輕度認知障礙正確率為78％ ，＂偷餅干＂任務接近76％，這可與現(xiàn)有的疾病檢測相媲美。其他被評估的任務的正確率從62％（復述一個新故事）到74％（回憶一個過程）不等。

該研究的作者說：“我們的研究結果表明，改變用于評估阿爾茨海默病的任務，可以通過聲音分析更準確地診斷該疾病�！�

倫敦大學圣喬治學院

參考文獻

Source：St George＇s， University of London

Machine－Learning Can Identify Signs of Alzheimer’s in Patients Recalling the Story of Cinderella

Reference：

Natasha Clarke et al， A Comparison of Connected Speech Tasks for Detecting Early Alzheimer＇s Disease and Mild Cognitive Impairment Using Natural Language Processing and Machine Learning， Frontiers in Computer Science （2021）． DOI： 10．3389／fcomp．2021．634360