伦敦大学圣乔治学院（St George＇s， University of London）神经科学研究中心的研究人员开展了一项新研究，确定了通过语音分析和机器学习检测阿尔茨海默病早期迹象的各种任务的优缺点。

伦敦大学圣乔治学院官网7月12日消息

这项发表在《计算机科学前沿》（Frontiers in Computer Science）杂志上的研究表明，虽然机器学习可以用来评估疾病迹象的语言模式，但被测试者所承担的特定任务在测试的准确性方面发挥着重要作用。

研究于2021年5月31日发表在《Frontiers in Computer Science》杂志上

该小组之前的研究表明，阿尔茨海默病在发病初期就会影响语言，所以语言评估可以用来及早发现该疾病。越早发现，就可以越早考虑干预来帮助患者。

这项最新的研究通过评估可用于检测阿尔茨海默病的测量和任务增加了证据。通过记录参与者执行的任务的音频，研究团队然后机器学习一个在圣乔治开发的评估疾病迹象的程序。

本研究中使用的任务代表了在医疗场景中使用的不同方法。临床医生最常用的方法之一是让患者描述一个被称为“偷饼干”图像的场景。其他方法包括让患者讲述他们学到的故事，比如著名的灰姑娘童话。你需要将一系列人物和事件整合到一个难忘的时间轴中。

偷饼干测试

在这项研究中，除了上述评价，研究人员回忆程序（告诉如何泡茶），复述小说故事（从无文字儿童读物中的图片解释故事）和对话。语音（给另一个人解释通过地图上的地标的路线，以检测阿尔茨海默病的迹象）语音分析。

在评估了50名研究参与者（25名患有轻度阿尔茨海默病或轻度认知障碍，25名有健康对照）的结果后，健康对照组最准确地讲述了灰姑娘的故事。发现使用的机器学习系统能够识别参与者是否患有阿尔茨海默病。轻度认知障碍正确率为78％ ，＂偷饼干＂任务接近76％，这可与现有的疾病检测相媲美。其他被评估的任务的正确率从62％（复述一个新故事）到74％（回忆一个过程）不等。

该研究的作者说：“我们的研究结果表明，改变用于评估阿尔茨海默病的任务，可以通过声音分析更准确地诊断该疾病。”

伦敦大学圣乔治学院

参考文献

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