MHealth:一个用于筛选早期痴呆症迹象的应用程序
在UNSW Sydney的工程师开发的语音分析技术要归功于智能手机中,对老年人进行痴呆症的测试可能很简单。使用机器学习技术的应用程序将研究一个人的演讲的副语言特征,例如韵律,音调,音量和语调,以及测试记忆回忆。
痴呆症筛查可能就像使用倾听老年人讲话的智能手机应用一样容易。
UNSW电气工程和电信学院的Beana Ahmed博士是领导新算法开发的工程研究人员,该算法将使用智能手机应用程序在人群范围内部署。艾哈迈德博士说:“该工具基本上将取代当前的主观,耗时的程序,这些程序的诊断准确性有限。”
根据艾哈迈德博士的说法,今天在老年人中对痴呆症的筛查涉及结构化访谈和测试,以评估他们进行各种心理活动的能力。两项常用的评估是小型日期化国家考试(MMSE)和迷你案例测试。在MMSE中,临床医生向患者询问一系列旨在测试一系列心理技能的问题,而在迷你案中,要求一个人完成两项任务:首先,记住三个常见对象并能够能够几分钟后,请记住他们,然后绘制一个时钟的脸,显示正确的位置上所有12个数字,显示了考官指定的时间。
艾哈迈德博士说:“根据临床医生的专业知识,测试状况,患者状况和其他因素,准确的评估评估是主观的。”“此外,获取专业服务是具有挑战性的,而且通常是不平等的,尤其是在农村和偏远地区。另一方面,语音很容易收集,甚至是通过电话远程收集,具有成本效益和无创性。而且,由于我们的基于语音的评估将在计算上进行,因此它不太容易受到主观偏见的影响。”
通过应用程序筛选
要使用该应用程序,参与者会听到15个单词的列表,然后要求他们记得尽可能多地重复回复。使用相同的15个单词进行了三次。然后,经过20分钟的差距,要求该人回想起尽可能多的单词。
除了准确回忆单词外,该应用程序将要听的是痴呆症的明显迹象,包括频繁停下来寻找单词,重复或重新启动的短语,重复或扩展的音节,频繁填充(例如“ UM”)), repaired utterances, mispronunciations, word substitutions as well as certain effects in the speaker’s melody, intonation and rhythm.
艾哈迈德博士说,众所周知,早期结果似乎很有希望。“我们的团队的初步研究表明,只有在接受副语言特征培训时,临床医生确定的临床医生确定,准确性为94.7%,可以区分高风险和低痴呆症的参与者,接受副语言和情节培训时97.2%使用参与者完成情节记忆测试的参与者的录音。”她说。
确定有危险的人
艾哈迈德博士说,筛查工具的主要目标是帮助识别有认知能力下降风险的人,以便可以接受治疗以延迟痴呆症的发作。她说:“最近的研究发现,认知能力下降的轨迹可以通过基于生活方式的干预措施(例如心理锻炼)来改变。”“当客观的测试确定表现在正常范围内或超出基于证据的阈值之外,它还可以帮助减轻自我感知的认知症状周围的焦虑。从业者可以使用结果将认知障碍可能性很高的结果引导到初级保健,以进行进一步评估和护理,并将用户与经过验证的初级和次要预防工具联系起来。”
艾哈迈德博士说,结果也可以用来为准确的纵向认知数据做出贡献,同时还通过减轻亲自认知筛查的必要性来减少初级保健工作量。该应用程序可能带来的其他优势包括将转介时间减少到可访问的专业诊所,并以低成本支持大规模认知试验。
资源:新南威尔士大学