Speech and Voice Biomarkers for Parkinson’s disease Detection: A Systematic Review of Machine Learning and Deep Learning Models

Die Parkinson-Krankheit ist ein Zustand, der die Bewegungen des Körpers langsam verändert und oft mit Zittern oder Steifheit beginnt. Während Ärzte sich schon lange auf körperliche Untersuchungen verlassen, um diese Anzeichen zu erkennen, verändert die Krankheit auch die Art und Weise, wie Menschen sprechen, lange bevor andere Symptome offensichtlich werden. Eine Person könnte beginnen, in einem flacheren Ton zu sprechen, mit weniger Variation in der Tonhöhe, oder ihre Stimme könnte zittrig und brüchig klingen. Diese subtilen Veränderungen sind nicht nur Nebenwirkungen; sie sind frühe Warnsignale, die in dem Klang einer menschlichen Stimme geschrieben stehen. Da die Hirnareale, die die Bewegung steuern, auch die Muskeln steuern, die zum Sprechen verwendet werden, wird die Stimme zu einem sensiblen Spiegel des Fortschritts der Krankheit. Diese Verbindung hat Forscher dazu veranlasst, eine einfache, aber kraftvolle Frage zu stellen: Können wir einer Stimme lauschen und wissen, ob jemand Parkinson hat oder wie sich die Krankheit verändert, ohne komplexe medizinische Ausrüstung zu benötigen?

Ein Team von Forschern an der Ramdeobaba University in Nagpur, Indien, setzte sich zum Ziel, dies zu beantworten, indem sie die letzten acht Jahre der wissenschaftlichen Arbeit zu diesem Thema untersuchten. Sie sammelten und untersuchten Dutzende von Studien, die Computerprogramme verwendeten, um Stimmaufnahmen von Menschen mit Parkinson und gesunden Individuen zu analysieren. Ihr Ziel war es zu sehen, wie gut diese Computermodelle als diagnostisches Werkzeug fungieren können. Die Forscher fanden heraus, dass das Feld rasant gewachsen ist, mit einem starken Anstieg der seit 2023 veröffentlichten Studien. Diese Studien verwendeten eine Vielzahl von Stimmaufnahmen, von einfachen, gehaltenen Vokallauten wie dem Halten eines „Ah“-Tons bis hin zu komplexen Sätzen, die in verschiedenen Sprachen gesprochen wurden. Die Computer wurden darauf trainiert, auf spezifische Muster zu achten, wie etwa die Stabilität der Stimme, den Rhythmus des Sprechens und die Qualität der Schallwellen, die bei Menschen mit der Krankheit oft unregelmäßig werden.

Die Ergebnisse dieser Übersicht zeigen, dass diese Computermethoden gut funktionieren. In der überwiegenden Mehrheit der untersuchten Studien identifizierten die Modelle die Parkinson-Krankheit in mehr als 80 Prozent der Fälle korrekt. Die Forscher fanden heraus, dass sowohl ältere, etablierte Computermethoden als auch neuere, komplexere Systeme eine hohe Genauigkeit erreichen konnten. Die älteren Methoden stützten sich oft auf handverlesene Messungen der Stimme, wie etwa wie stark die Tonhöhe schwankte oder wie viel Rauschen in den Klang gemischt war. Die neueren Methoden, die Deep Learning nutzen, ermöglichten es den Computern, diese Muster selbstständig zu finden, indem sie visuelle Darstellungen des Klangs betrachteten, ähnlich wie eine Karte das Gelände zeigt. Während die Deep-Learning-Modelle manchmal etwas besser abschnitten, insbesondere bei großen oder komplexen Datensätzen, blieben die älteren Methoden stark und zuverlässig, besonders wenn die Daten begrenzt waren.

Dennoch entdeckten die Forscher, dass der Weg nach vorne nicht völlig reibungslos verläuft. Eine große Herausforderung besteht darin, dass viele der Studien kleine Gruppen von Menschen oder nicht ausgewogene Datensätze verwendeten, was bedeutet, dass es viel mehr Aufnahmen von gesunden Menschen als von jenen mit der Krankheit gab. Dies kann dazu führen, dass die Computerprogramme zu gut darin werden, gesunde Stimmen zu erkennen, und nicht gut genug darin, die Krankheit zu erkennen. Darüber hinaus variierten die Studien stark darin, wie sie die Stimmen aufnahmen und wie sie ihre Ergebnisse testeten, was es schwierig macht, eine Studie direkt mit einer anderen zu vergleichen. Es gibt auch einen Mangel an Langzeitdaten; die meisten Studien betrachteten einen einzelnen Moment in der Zeit, anstatt zu verfolgen, wie sich die Stimme einer Person über Jahre hinweg verändert. Ohne diese langfristige Sichtweise ist es schwieriger, die Stimmanalyse zu nutzen, um vorherzusagen, wie die Krankheit fortschreitet oder um zu überwachen, ob eine Behandlung wirkt.

Um von der Laborarbeit in die reale Welt zu gelangen, schlagen die Autoren vor, dass sich die zukünftige Forschung auf Konsistenz und Privatsphäre konzentrieren muss. Sie schlagen vor, dass Wissenschaftler sich auf standardisierte Wege einigen sollten, wie Stimmen aufgenommen und analysiert werden, damit Ergebnisse leicht vergleichbar sind. Sie heben auch die Notwendigkeit großer Langzeitstudien hervor, die Patienten über Jahre hinweg begleiten, um zu sehen, wie sich ihre Stimmen entwickeln. Zudem, wenn diese Werkzeuge in Richtung der Nutzung auf Smartphones oder in Kliniken wandern, betonen die Forscher die Wichtigkeit, die Entscheidungen des Computers nachvollziehbar zu machen. Die Verwendung von Werkzeugen, die erklären, warum ein Modell eine bestimmte Diagnose gestellt hat, wird Ärzten helfen, der Technologie zu vertrauen. Die Übersicht kommt zu dem Schluss, dass die Stimmanalyse zwar ein vielversprechender und nicht-invasiver Weg zur Erkennung und Überwachung von Parkinson ist, sie aber noch keine fertige Lösung darstellt. Sie erfordert standardisiertere Daten, eine bessere langfristige Verfolgung und Systeme, die die Privatsphäre der Patienten schützen können, bevor sie ein routinemäßiger Bestandteil der medizinischen Versorgung werden kann.