点击【下方卡片】关注我们~最新前沿资讯抢先看
开放转载，欢迎大家转发到朋友圈和微信群
可添加小编微信【13295818509】获取原文
阿尔茨海默病（AD）是痴呆的最常见原因，具有很长的前驱期，在此期间会发生微妙的认知变化。轻度认知障碍（MCI）是正常认知和AD之间的一个阶段，患有MCI的个体患AD的风险更高，每年MCI到AD的转化率为3%至15%。因此，准确预测MCI向AD的进展可以帮助医生做出有关患者治疗、参与认知康复计划以及选择涉及新药的临床试验的决策。
2024年6月25日，波士顿大学电气与计算机工程系Samad Amini、Hao Boran及研究团队在Alzheimer’s & Dementia（IF=13）上发表了题为“Prediction of Alzheimer's disease progression within 6 years using speech: A novel approach leveraging language models”的文章，该研究所提出的方法提供了一种完全自动化的程序，为开发一种广泛可访问且易于管理的筛查工具提供了机会，用于MCI到AD的进展预测，从而促进远程评估的发展。
本研究的队列由166名MCI患者组成，其中90名进展为AD，76名在6年范围内保持MCI。图1说明了在此期间每年从MCI过渡到AD的患者数量，代表了过渡的分布，并表明更多的患者倾向于在6年的时间范围内更早地过渡到AD。这一结果表明，从MCI进展到AD的进展更有可能发生在 MCI诊断后的最初几年。
图1 6年内每年过渡到AD的MCI患者人数
在之前的工作中，已经开发了一种工具来自动转录录音。每句话都被分类，每份记录被分成构成FHS NPT的八个子测试。图 2 展示了从原始语音记录中提取此类结构化数据的自动化管道。
图2 用于将原始语音转换为结构化数据的自动化管道
将TAS分数与选定的子测试分数一起输入到集成逻辑回归模型中，以最终预测 MCI 患者在6年内转换为AD的可能性。图 3 说明了预测过程，通过数据增强整合随机缩写和子测试特定的嵌入，该方法显著提高了模型的数据解释和准确性。
图3 来自神经心理学测试访谈的阿尔茨海默病预测的自动化管道
研究还评估了基于传统神经心理学测试分数的逻辑回归模型，包括逻辑记忆、视觉再现、配对关联学习立即回忆、相似性测试、BNT和语言流畅性测试等评估。
图4 健康因素的性能错误分析
图5展示了使用文本特征和人口统计模型输出的逻辑回归模型的系数。通过 z分数归一化对连续变量的结果进行了调整，使系数具有可比性。该图表示不同特征的逻辑回归系数的分布，突出了它们在模型预测过程中的相对重要性。
图5 所提方法中使用的文本特征和人口统计学的Logistic回归系数
认知检查期间的言语已被确定为一种有前途的生物标志物，与潜在的认知功能障碍密切相关。目前的研究旨在使用NLP和应用于语音数据的机器学习技术自动预测AD的进展。所提出的方法预测了参与者向AD的进展，在保留测试数据中的准确率为78.2%，灵敏度为81.1%，在6年的时间跨度内显示出强大的预测能力。然而，有必要对更大的人群样本进行进一步的前瞻性研究，以验证模型的普遍性。
参考文献
Amini, S., Hao, B., Yang, J., Karjadi, C., Kolachalama, V. B., Au, R., & Paschalidis, I. C. (2024). Prediction of Alzheimer's disease progression within 6 years using speech: A novel approach leveraging language models. Alzheimer's & dementia : the journal of the Alzheimer's Association.
DOI:10.1002/alz.13886，IF=13.0，Q1
资讯来源
https://neurosciencenews.com/ai-alzheimers-voice-26369/
入群可免费提供文献下载服务
招聘公告
编译：富柄淇
校审：展琳琳
全文完
所有注明出处的文章，旨在分享、传播，如有侵权，请及时联系我们，我们将尽快处理
喜欢本文记得一键四连
