Automated Assessment of Hypernasality in Motor Speech Disorders Using Nasal Cognate Distinctiveness and Nasal Posterior Probability

Wenn ein Mensch spricht, fungiert der weiche Gaumen am hinteren Teil des Mundes als ein Tor, das die Luft entweder durch die Nase oder den Mund leitet. Bei einer gesunden Stimme schließt sich dieses Tor für die meisten Laute fest und öffnet sich nur für spezifische Buchstaben wie „m“, „n“ und „ng“. Bei Personen mit motorischen Sprachstörungen jedoch – Zuständen, bei denen das Gehirn Schwierigkeiten hat, die für die Sprache benötigten Muskeln zu koordinieren – schließt sich dieses Tor möglicherweise nicht ordnungsgemäß. Das Ergebnis ist Hypernasalität, ein Zustand, bei dem zu viel Luft während der Laute durch die Nase entweicht, die eigentlich rein oral sein sollten, was der Stimme eine charakteristische, hohle Qualität verleiht. Obwohl Sprachpathologen diesen Unterschied hören können, fällt es ihnen oft schwer, ihn präzise zu messen. Sich allein auf das menschliche Ohr zu verlassen, kann inkonsistent sein, was es schwierig macht, zu verfolgen, ob sich ein Patient im Laufe der Zeit verbessert, oder um die Schwere der Erkrankung zwischen verschiedenen Menschen zu vergleichen. Um dies zu lösen, haben Forscher damit begonnen, automatisierte Werkzeuge zu entwickeln, die Sprachaufnahmen anhören und exakt berechnen, wie viel nasale Resonanz vorhanden ist, wodurch ein subjektiver Eindruck in eine objektive Zahl verwandelt wird.

Ein Team von Forschern setzte sich zum Ziel, zwei spezifische automatisierte Methoden zu testen, die darauf ausgelegt sind, dieses nasale Leck zu erfassen. Sie wollten wissen, ob diese computerbasierten Maße die Schwere der Hypernasalität bei Patienten mit motorischen Sprachstörungen genau widerspiegeln können. Die erste Methode, genannt „Nasal Cognate Distinctiveness“ (Nasale Kognaten-Distinktheit), konzentriert sich auf Paare von Lauten, die fast identisch sind, außer dass einer nasal und der andere nicht nasal ist. Zum Beispiel ist der Laut „p“ eine stimmlose Verschlusslaut, während „m“ sein nasaler Partner ist. Der Computer analysiert, wie deutlich ein Sprecher zwischen diesen Paaren unterscheidet; wenn der Sprecher Hypernasalität aufweist, beginnt das „p“ zu sehr wie ein „m“ zu klingen, und der Computer erkennt diese Unschärfe. Die zweite Methode, bekannt als „nasale posteriore Wahrscheinlichkeit“, verwendet ein fortgeschritteneres Computermodell, das auf den Regeln der Sprache trainiert wurde, um die Wahrscheinlichkeit abzuschätzen, dass ein bestimmter Laut nasale Energie enthält. Im Gegensatz zur ersten Methode, die traditionell nur auf Verschlusslaute wie „p“, „t“ und „k“ blickte, wurde dieser zweite Ansatz an einer breiteren Palette von Lauten getestet, einschließlich anderer Konsonanten und sogar Vokale, um zu sehen, ob sich das nasale Signal über die üblichen Verdächtigen hinaus erstreckt.

Um diese Werkzeuge auf die Probe zu stellen, sammelten die Forscher Sätze-basierte Sprachaufnahmen von 561 Personen. Diese Gruppe umfasste 374 Personen mit typischer neurologischer Funktion, die als Basis dienten, sowie 187 Patienten, bei denen motorische Sprachstörungen diagnostiziert wurden. Jede Aufnahme wurde auch von geschulten Sprachpathologen bewertet, die basierend auf ihrem professionellen Urteil einen Schweregrad zuordneten. Die Forscher führten dann die automatisierten Analysen auf den Aufnahmen durch und suchten nach Mustern. Sie fanden heraus, dass mit steigender Bewertung der Hypernasalität durch die menschlichen Experten die erste Maßnahme, die „Nasal Cognate Distinctiveness“, im Allgemeinen abnahm, was darauf hindeutete, dass die Unterscheidung zwischen oralen und nasalen Lauten immer schwieriger zu detektieren war. Gleichzeitig stieg die zweite Maßnahme, die nasale posteriore Wahrscheinlichkeit, an, was ein höheres Vorhandensein von nasaler Energie signalisierte. Die Daten zeigten, dass diese Veränderungen nicht zufällig waren; sie folgten eng den menschlichen Bewertungen der Schwere.

Die Studie untersuchte auch, ob diese automatisierten Maße den Unterschied zwischen einem Sprecher ohne Hypernasalität und einem mit Hypernasalität erkennen konnten. Als die Forscher die Leistung der beiden Methoden verglichen, stellten sie fest, dass beide sehr effektiv darin waren, diese Unterscheidung zu treffen. Die Methode, die sich auf Lautpaare konzentriert, und die Methode, die die Wahrscheinlichkeit nasaler Merkmale analysiert, erreichten beide ähnliche Erfolgsraten bei der Trennung der beiden Gruppen. Vielleicht überraschender noch war die Entdeckung der Forscher, dass die zweite Methode bei der Anwendung auf Vokale genauso gut funktionierte wie bei der Anwendung auf Konsonanten. Dieser Befund stellt die ältere Annahme infrage, dass nasale Probleme nur bei spezifischen Verschlusslauten sichtbar sind. Die Daten zeigten, dass das nasale Signal über das gesamte Spektrum der Sprache präsent und messbar ist, von den scharfen Kanten der Konsonanten bis zum glatten Fluss der Vokale, wobei beide Arten von Lauten dieselbe starke Beziehung zur Schwere des Zustands aufweisen.

Um sicherzustellen, dass diese Werkzeuge für den praktischen Einsatz zuverlässig genug sind, prüfte das Team auch, ob die Messungen konsistent blieben, wenn eine Person denselben Satz zweimal sprach. Sie nahmen 20 gesunde Probanden zu zwei separaten Zeitpunkten auf und verglichen die Ergebnisse. Die Analyse zeigte, dass die Messungen für die überwiegende Mehrheit dieser Wiederholungsaufnahmen stabil blieben, wobei nur eine sehr geringe Anzahl von Fällen eine Veränderung aufwies, die groß genug war, um als echte Differenz und nicht nur als normale Variation betrachtet zu werden. Dieser Schritt lieferte einen entscheidenden Maßstab dafür, wie stark sich ein Wert ändern muss, bevor ein Kliniker darauf vertrauen kann, dass sich der Zustand eines Patienten tatsächlich verbessert oder verschlechtert hat. Die Studie kommt zu dem Schluss, dass beide automatisierten Ansätze valide, objektive Wege bieten, um Hypernasalität zu messen. Sie erfassen dieselbe zugrunde liegende akustische Realität und bieten eine konsistente, datengestützte Alternative zur alleinigen Abhängigkeit vom menschlichen Ohr, was einen klareren Weg für das Verständnis und die Verfolgung motorischer Sprachstörungen eröffnet.