Identifying Parkinson's Disease and Atypical Parkinsonism using acoustic representations of core vowels with Machine Learning models
Cette étude démontre que les modèles d'apprentissage automatique analysant les caractéristiques acoustiques des voyelles centrales du mandarin et des tâches de diadochokinésie peuvent différencier efficacement la maladie de Parkinson des syndromes parkinsoniens atypiques et prédire la sévérité de la dysarthrie, offrant ainsi un outil non invasif prometteur pour le diagnostic précoce et le suivi.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
La voix humaine est bien plus qu'un outil de communication ; elle est un baromètre sensible de la santé du cerveau. Dans des pathologies comme la maladie de Parkinson, où la capacité du cerveau à contrôler les mouvements se détériore lentement, la voix devient souvent le témoin silencieux de cette lutte. Les patients peuvent parler de manière monotone, perdre en volume ou bégayer alors que les muscles de la gorge et de la langue se raidissent. Cependant, un défi spécifique et difficile demeure pour les médecins : distinguer la maladie de Parkinson classique d'un groupe de conditions similaires mais distinctes connues sous le nom de parkinsonisme atypique. Ces formes atypiques imitent souvent si étroitement les signes précoces de la maladie de Parkinson qu'elles sont fréquemment diagnostiquées à tort, alors qu'elles progressent différemment et nécessitent une prise en charge différente. Comme les symptômes se chevauchent lourdement lors des premières étapes, trouver un moyen de les différencier sans imagerie coûteuse ou tests invasifs a été un objectif majeur pour les chercheurs.
Une équipe de chercheurs en Chine a adopté une approche nouvelle pour résoudre ce problème en écoutant attentivement les sons spécifiques que les gens produisent lorsqu'ils parlent. Ils se sont concentrés sur les neuf voyelles centrales de la langue mandarine, traitant la voix non pas seulement comme un signal de maladie, mais comme une carte détaillée de la façon dont le cerveau et le corps travaent ensemble. En enregistrant les patients lorsqu'ils maintenaient ces sons de voyelles et répétaient des séquences de syllabes rapides, l'équipe a capturé des détails acoustiques subtils que l'oreille humaine pourrait manquer. Ils ont ensuite utilisé des modèles informatiques pour analyser ces enregistrements, cherchant des motifs qui pourraient séparer les différents types de la maladie. Leurs travaux suggèrent que, tandis que la maladie de Parkinson classique affecte principalement la clarté et la vitesse de la parole, les formes atypiques provoquent une perturbation beaucoup plus large et profonde de la voix, affectant la hauteur, la stabilité et le volume de manières mesurables et identifiables.
L'étude a commencé par rassembler un groupe de volontaires, comprenant 34 personnes atteintes de la maladie de Parkinson, 25 présentant un parkinsonisme atypique et 30 individus sains servant de base de référence. Tous les participants étaient aux premiers stades de leur pathologie, ayant reçu un diagnostic au cours des trois dernières années. Pour garantir que les enregistrements soient purs et exempts de bruits extérieurs, l'équipe a utilisé des microphones de haute qualité dans une pièce insonorisée. Ils ont demandé aux participants d'accomplir deux tâches spécifiques. Premièrement, ils devaient maintenir neuf voyelles différentes du mandarin pendant plusieurs secondes, tenant le son de manière constante comme un chanteur tenant une note. Deuxièmement, ils devaient répéter la séquence de syllabes « pa-ta-ka » aussi rapidement et clairement que possible, une tâche conçue pour tester l'agilité de la bouche et de la langue.
À partir de ces enregistrements, les chercheurs ont extrait un large éventail de mesures. Ils ont observé la hauteur de la voix, l'ampleur de ses oscillations, son volume et la quantité de bruit mélangée au son clair. Ils ont également mesuré l'« espace » occupé par les voyelles, ce qui reflète la distance parcourue par la langue et la mâchoire pour former différents sons. Les résultats ont révélé une distinction claire entre les groupes. Le groupe de contrôle sain produisait des voix cohérentes et stables. Les personnes atteintes de la maladie de Parkinson présentaient certaines difficultés, principalement dans la manière dont elles formaient les formes des voyelles et la vitesse à laquelle elles bougeaient leurs bouches. Leurs voix étaient légèrement moins distinctes, mais la hauteur fondamentale et la stabilité restaient relativement proches de la normale.
En revanche, le groupe présentant un parkinsonisme atypique affichait un ensemble de problèmes beaucoup plus graves et étendus. Leurs voix n'étaient pas seulement moins claires ; elles étaient fondamentalement instables. La hauteur était nettement plus basse, le son oscillait beaucoup plus et on remarquait une augmentation notable du bruit de souffle. Peut-être plus important encore, les chercheurs ont découvert que le groupe atypique éprouvait des difficultés avec des sons spécifiques que le groupe Parkinson ne rencontrait pas, particulièrement avec un son de voyelle qui nécessite une position complexe de la langue. Cette vulnérabilité spécifique a agi comme un marqueur fort, aidant à séparer les deux conditions. L'étude a également constaté que, pour les deux groupes, ceux qui présentaient des difficultés cognitives, telles que des troubles de la mémoire ou de la pensée, avaient tendance à avoir des voix plus instables, suggérant que les centres de la pensée et de la parole du cerveau sont profondément liés.
Pour transformer ces observations en un outil pratique, les chercheurs ont injecté toutes ces mesures dans un modèle d'apprentissage informatique. Ce modèle a été entraîné à reconnaître l'« empreinte digitale » unique de chaque groupe. Lors des tests, le modèle s'est avéré très efficace. Il pouvait identifier correctement si une voix appartenait à une personne saine, à une personne atteinte de Parkinson ou à une personne souffrant d'un parkinsonisme atypique avec une précision d'environ 93 % sur un nouvel ensemble de données. Il était également capable de distinguer les deux groupes de maladies avec un degré élevé de fiabilité, atteignant un score qui indique une forte capacité à les différencier. De plus, le modèle pouvait estimer la gravité des difficultés de parole d'un patient, correspondant aux scores donnés par les médecins lors des examens physiques.
Les chercheurs reconnaissent que leur étude est une première étape et que le groupe de personnes étudiées était relativement restreint. Ils notent que leurs conclusions sont spécifiques aux locuteurs du mandarin et que les schémas pourraient différer dans d'autres langues. Cependant, la découverte fondamentale est significative : la voix détient un compte rendu détaillé de l'impact de la maladie sur le cerveau. En écoutant les différences subtiles dans la formation des voyelles et dans l'oscillation de la voix, il est possible de percevoir les signatures distinctes de différentes maladies neurodégénératives. Cette approche offre une voie prometteuse, non invasive, pour aider les médecins à établir des diagnostics plus précoces et plus précis, changeant potentiellement la manière dont ces conditions sont gérées avant qu'elles ne deviennent trop avancées pour être traitées efficacement.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.