Identifying Parkinson's Disease and Atypical Parkinsonism using acoustic representations of core vowels with Machine Learning models
Diese Studie zeigt, dass maschinelle Lernmodelle, die akustische Merkmale von Mandarin-Kernvokalen und Diadokokines-Aufgaben analysieren, Parkinson-Krankheiten effektiv von atypischen parkinsonianischen Syndromen differenzieren und die Schwere der Dysarthrie vorhersagen können, was ein vielversprechendes nicht-invasives Werkzeug für die Frühdiagnose und Überwachung bietet.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die menschliche Stimme ist mehr als nur ein Werkzeug zur Kommunikation; sie ist ein empfindliches Barometer für die Gesundheit des Gehirns. Bei Erkrankungen wie der Parkinson-Krankheit, bei denen die Fähigkeit des Gehirns, Bewegungen zu steuern, langsam degeneriert, wird die Stimme oft zu einem leisen Zeugen des Kampfes. Patienten sprechen möglicherweise monoton, verlieren an Lautstärke oder verkommen in ihrer Aussprache, während sich die Muskeln im Hals und auf der Zunge versteifen. Eine spezifische und schwierige Herausforderung bleibt jedoch für Ärzte: die Unterscheidung zwischen der klassischen Parkinson-Krankheit und einer Gruppe ähnlicher, aber unterscheidbarer Zustände, die als atypische Parkinson-Syndrome bekannt sind. Diese atypischen Formen ahmen die frühen Anzeichen von Parkinson oft so eng nach, dass sie häufig Fehldiagnosen unterliegen, obwohl sie sich unterschiedlich entwickeln und eine andere Behandlung erfordern. Da sich die Symptome in den frühen Stadien so stark überschneiden, war das Finden eines Weges, sie ohne teure Bildgebung oder invasive Tests voneinander zu unterscheiden, ein großes Ziel der Forscher.
Ein Forschungsteam aus China hat einen frischen Ansatz für dieses Problem gewählt, indem es genau auf die spezifischen Laute achtete, die Menschen beim Sprechen machen. Sie konzentrierten sich auf die neun Kernvokale der Mandarin-Sprache und behandelten die Stimme nicht nur als Signal einer Krankheit, sondern als eine detaillierte Karte dafür, wie Gehirn und Körper zusammenarbeiten. Indem sie die Patienten aufnahmen, während diese die Vokallaute hielten und schnelle Silbensequenzen wiederholten, erfasste das Team subtile akustische Details, die das menschliche Ohr übersehen könnte. Sie nutzten dann Computermodelle, um diese Aufnahmen zu analysieren und nach Mustern zu suchen, die die verschiedenen Arten der Erkrankung voneinander trennen könnten. Ihre Arbeit legt nahe, dass die klassische Parkinson-Krankheit primtär die Klarheit und Geschwindigkeit des Sprechens beeinflusst, während die atypischen Formen eine viel breitere und tiefere Störung der Stimme verursachen, die sich in einer Weise äußert, die in Bezug auf Tonhöhe, Stabilität und Volumen gemessen und identifiziert werden kann.
Die Studie begann mit der Zusammenstellung einer Gruppe von Freiwilligen, darunter 34 Personen mit Parkinson-Krankheit, 25 mit atypischem Parkinson-Syndrom und 30 gesunde Personen, die als Basis dienten. Alle Teilnehmer befanden sich in den frühen Stadien ihrer Erkrankung und waren innerhalb der letzten drei Jahre diagnostiziert worden. Um sicherzustellen, dass die Aufnahmen rein und frei von Außengeräuschen waren, verwendete das Team hochwertige Mikrofone in einem schallisolierten Raum. Sie baten die Teilnehmer, zwei spezifische Aufgaben auszuführen. Erstens hielten sie neun verschiedene Mandarin-Vokale für mehrere Sekunden lang, wobei sie den Klang stabil hielten, wie ein Sänger, der eine Note hält. Zweitens wiederholten sie die Silbensequenz „pa-ta-ka“ so schnell und deutlich wie möglich – eine Aufgabe, die darauf ausgelegt war, die Beweglichkeit von Mund und Zunge zu testen.
Aus diesen Aufnahmen extrahierten die Forscher eine breite Palette von Messwerten. Sie untersuchten die Tonhöhe der Stimme, wie stark sie schwankte, wie laut sie war und wie viel Rauschen mit dem klaren Klang vermischt war. Sie maßen auch den „Raum“, den die Vokale einnahmen, was widerspiegelt, wie weit sich Zunge und Kiefer bewegen, um verschiedene Laute zu bilden. Die Ergebnisse zeigten einen klaren Unterschied zwischen den Gruppen. Die gesunde Kontrollgruppe erzeugte Stimmen, die konsistent und stabil waren. Die Menschen mit der Parkinson-Krankheit zeigten einige Schwierigkeiten, primär darin, wie klar sie die Formen der Vokale bildeten und wie schnell sie ihre Münder bewegten. Ihre Stimmen waren etwas weniger deutlich, aber die grundlegende Tonhöhe und Stabilität blieben relativ nah am Normalwert.
Im Gegensatz dazu zeigte die Gruppe mit atypischem Parkinson-Syndrom ein viel schwerwiegenderes und weit verbreitetes Set an Problemen. Ihre Stimmen waren nicht nur weniger klar, sondern fundamental instabil. Die Tonhöhe war signifikant niedriger, der Klang schwankte viel stärker und es gab eine merkliche Zunahme von hauchigem Rauschen. Vielleicht am wichtigsten ist, dass die atypische Gruppe Schwierigkeiten mit spezifischen Lauten hatte, die die Parkinson-Gruppe nicht hatte, insbesondere mit einem Vokallaut, der eine komplexe Position der Zunge erfordert. Diese spezifische Anfälligkeit fungierte als starker Marker, der half, die beiden Bedingungen voneinander abzugrenzen. Die Studie fand auch, dass für beide Gruppen diejenigen, die kognitive Schwierigkeiten hatten, wie etwa Probleme mit dem Gedächtnis oder dem Denken, dazu neigten, instabilere Stimmen zu haben, was darauf hindeutet, dass die Denk- und Sprechzentren des Gehirns tief miteinander verknüpft sind.
Um diese Beobachtungen in ein praktisches Werkzeug zu verwandeln, speisten die Forscher all diese Messwerte in ein Modell des maschinellen Lernens ein. Dieses Modell wurde trainiert, den einzigartigen „Fingerabdruck“ jeder Gruppe zu erkennen. Bei Tests erwies sich das Modell als äußerst effektiv. Es konnte mit einer Genauigkeit von etwa 93 Prozent anhand eines neuen Datensatzes korrekt identifizieren, ob eine Stimme zu einer gesunden Person, jemandem mit Parkinson oder jemandem mit atypischem Parkinson-Syndrom gehörte. Es war auch in der Lage, die beiden Krankheitsgruppen mit einem hohen Maß an Zuverlässigkeit zu unterscheiden, wobei es eine Punktzahl erreichte, die auf eine starke Fähigkeit zur Differenzierung hindeutet. Darüber hinaus konnte das Modell abschätzen, wie schwerwiegend die Sprachschwierigkeiten eines Patienten waren, indem es die Werte abglich, die Ärzte basierend auf körperlichen Untersuchungen vergeben.
Die Forscher räumen ein, dass ihre Studie ein erster Schritt ist und die Gruppe der von ihnen untersuchten Menschen relativ klein war. Sie merken an, dass ihre Ergebnisse spezifisch für Mandarin-Sprecher sind und dass die Muster in anderen Sprachen anders aussehen könnten. Dennoch ist die Kernentdeckung bedeutend: Die Stimme hält eine detaillierte Aufzeichnung der Auswirkungen der Krankheit auf das Gehirn fest. Indem man auf die subtilen Unterschiede hört, wie Vokale geformt werden und wie die Stimme schwankt, ist es möglich, die distinktiven Signaturen verschiedener neurodegenerativer Erkrankungen zu erkennen. Dieser Ansatz bietet einen vielversprechenden, nicht-invasiven Weg, um Ärzten zu helfen, frühere und genauere Diagnosen zu stellen, was potenziell die Art und Weise verändert, wie diese Zustände verwaltet werden können, bevor sie zu weit fortgeschritten sind, um effektiv behandelt zu werden.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.