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

जब कोई व्यक्ति बोलता है, तो मुँह के पिछले हिस्से में स्थित कोमल तालु (सॉफ्ट पैलेट) एक द्वार की तरह कार्य करता है, जो हवा को नाक या मुँह के माध्यम से निर्देशित करता है। एक स्वस्थ आवाज में, यह द्वार अधिकांश ध्वनियों के लिए कसकर बंद रहता है, और केवल "m," "n," और "ng" जैसे विशिष्ट अक्षरों के लिए ही खुलता है। हालाँकि, मोटर स्पीच डिसऑर्डर (मोटर वाक् विकार) वाले व्यक्तियों के लिए—ऐसी स्थितियाँ जहाँ मस्तिष्क को बोलने के लिए आवश्यक मांसपेशियों के समन्वय में कठिनाई होती है—यह द्वार ठीक से बंद नहीं हो पाता है। इसका परिणाम हाइपरनेज़ैलिटी (hypernasality) होता है, एक ऐसी स्थिति जहाँ उन ध्वनियों के दौरान भी, जिन्हें शुद्ध रूप से मौखिक होना चाहिए, बहुत अधिक हवा नाक के माध्यम से निकल जाती है, जिससे आवाज में एक विशिष्ट, खोखलापन आ जाता है। हालाँकि स्पीच-लैंग्वेज पैथोलॉजिस्ट इस अंतर को सुन सकते हैं, लेकिन उन्हें इसे सटीक रूप से मापने में अक्सर कठिनाई होती है। केवल मानव कान पर निर्भर रहना असंगत हो सकता है, जिससे यह ट्रैक करना कठिन हो जाता है कि समय के साथ रोगी में सुधार हो रहा है या नहीं, या विभिन्न लोगों में इस स्थिति की गंभीरता की तुलना कैसे की जाए। इस समस्या को हल करने के लिए, शोधकर्ताओं ने स्वचालित उपकरण विकसित करना शुरू कर दिया है जो स्पीच रिकॉर्डिंग को सुनते हैं और बिल्कुल गणना करते हैं कि कितनी नासिका प्रतिध्वनि (nasal resonance) मौजूद है, जिससे एक व्यक्तिपरक धारणा को एक वस्तुनिष्ठ संख्या में बदल दिया जाता है।

शोधकर्ताओं की एक टीम ने दो विशिष्ट स्वचालित विधियों का परीक्षण करने के लिए हाथ मिलाया, जिन्हें नासिका रिसाव (nasal leakage) को पकड़ने के लिए डिज़ाइन किया गया था। वे यह जानना चाहते थे कि क्या ये कंप्यूटर-आधारित माप मोटर स्पीच डिसऑर्डर वाले रोगियों में हाइपरनेज़ैलिटी की गंभीरता को सटीक रूप से दर्शा सकते हैं। पहली विधि, जिसे 'नेज़ल कॉग्नेट डिस्टिंक्टिवनेस' (Nasal Cognate Distinctiveness) कहा जाता है, ध्वनियों के उन जोड़ों पर ध्यान केंद्रित करती है जो एक होने के अलावा लगभग समान हैं, जिसमें एक नासिका (nasal) है और दूसरा नहीं। उदाहरण के लिए, ध्वनि "p" एक अघोष स्पर्श ध्वनि (voiceless stop) है, जबकि "m" उसका नासिका साथी है। कंप्यूटर इन जोड़ों के बीच वक्ता कितनी स्पष्टता से अंतर करता है इसका विश्लेषण करता है; यदि वक्ता में हाइपरनेज़ैलिटी है, तो "p" का उच्चारण "m" जैसा लगने लगता है, और कंप्यूटर इस धुंधलेपन का पता लगा लेता है। दूसरी विधि, जिसे 'नेज़ल पोस्टीरियर प्रोबेबिलिटी' (nasal posterior probability) के रूप में जाना जाता है, भाषा के नियमों पर प्रशिक्षित एक अधिक उन्नत कंप्यूटर मॉडल का उपयोग करती है ताकि यह अनुमान लगाया जा सके कि किसी भी दी गई ध्वनि में नासिका ऊर्जा होने की संभावना कितनी है। पहली विधि के विपरीत, जो पारंपरिक रूप से केवल "p," "t," और "k" जैसे स्टॉप कंजोनेंट्स (stop consonants) को देखती थी, इस दूसरी पद्धति का परीक्षण अन्य व्यंजनों और यहाँ तक कि स्वरों (vowels) सहित ध्वनियों की एक विस्तृत श्रृंखला पर किया गया था, यह देखने के लिए कि क्या नासिका संकेत सामान्य संदिग्धों से परे फैलता है।

इन उपकरणों को परखने के लिए, शोधकर्ताओं ने 561 लोगों के वाक्य-स्तरीय स्पीच रिकॉर्डिंग एकत्र किए। इस समूह में बेसलाइन के रूप में कार्य करने के लिए 374 सामान्य न्यूरोलॉजिकल फंक्शन वाले व्यक्ति और मोटर स्पीच डिसऑर्डर से निदान प्राप्त 187 रोगी शामिल थे। प्रत्येक रिकॉर्डिंग को प्रशिक्षित स्पीच-लैंग्वेज पैथोलॉजिस्ट द्वारा भी रेट किया गया था, जिन्होंने अपने पेशेवर निर्णय के आधार पर गंभीरता का स्कोर दिया था। शोधकर्ताओं ने रिकॉर्डिंग पर स्वचालित विश्लेषण चलाया और पैटर्न की तलाश की। उन्होंने पाया कि जैसे-जैसे मानव विशेषज्ञों ने हाइपरनेज़ैलिटी को अधिक गंभीर बताया, पहली माप, 'नेज़ल कॉग् nettement डिस्टिंक्टिवनेस', आम तौर पर कम होती गई, जो यह संकेत देती है कि मौखिक और नासिका ध्वनियों के बीच का अंतर पहचानना कठिन होता जा रहा है। साथ ही, दूसरी माप, 'नेज़ल पोस्टीरियर प्रोबेबिलिटी', बढ़ी, जो उच्च नासिका ऊर्जा की उपस्थिति का संकेत देती है। डेटा ने दिखाया कि ये परिवर्तन यादृच्छिक नहीं थे; वे गंभीरता की मानव रेटिंग के साथ बारीकी से जुड़े हुए थे।

अध्ययन ने यह भी जांचा कि क्या ये स्वचालित माप एक ऐसे वक्ता के बीच अंतर कर सकते हैं जिसमें कोई हाइपरनेज़ैलिटी नहीं है और एक ऐसे वक्ता के बीच जिसमें यह मौजूद है। जब शोधकर्ताओं ने दोनों विधियों के प्रदर्शन की तुलना की, तो उन्होंने पाया कि दोनों ही इस अंतर को करने में काफी प्रभावी थीं। ध्वनि जोड़ों पर केंद्रित विधि और नासिका विशेषताओं की संभावना का विश्लेषण करने वाली विधि, दोनों ने समूहों को अलग करने में समान सफलता दर हासिल की। शायद अधिक आश्चर्यजनक रूप से, शोधकर्ताओं ने पाया कि दूसरी विधि स्वरों पर लागू होने पर भी उतनी ही प्रभावी थी जितनी कि व्यंजनों पर। यह निष्कर्ष पुराने इस अनुमान को चुनौती देता है कि नासिका संबंधी समस्याएं केवल विशिष्ट स्टॉप ध्वनियों में ही दिखाई देती हैं। डेटा ने दिखाया कि नासिका संकेत भाषण के पूरे स्पेक्ट्रम में मौजूद और मापने योग्य है, व्यंजनों के तीखे किनारों से लेकर स्वरों के सुचारू प्रवाह तक, और दोनों प्रकार की ध्वनियाँ स्थिति की गंभीरता के साथ समान मजबूत संबंध प्रदर्शित करती हैं।

यह सुनिश्चित करने के लिए कि ये उपकरण वास्तविक दुनिया में उपयोग के लिए कितने विश्वसनीय हैं, टीम ने यह भी जांचा कि यदि कोई व्यक्ति एक ही वाक्य को दो बार बोलता है तो क्या माप स्थिर रहेंगे। उन्होंने 20 स्वस्थ नियंत्रणों को दो अलग-अलग अवसरों पर रिकॉर्ड किया और परिणामों की तुलना की। विश्लेषण ने दिखाया कि इन दोहराए गए रिकॉर्डिंगों में से अधिकांश के लिए, माप स्थिर रहे, केवल बहुत कम मामलों में ऐसा बदलाव देखा गया जिसे सामान्य भिन्नता के बजाय एक वास्तविक अंतर माना जा सके। इस चरण ने यह समझने के लिए एक महत्वपूर्ण बेंचमार्क प्रदान किया कि एक स्कोर को कितना बदलना चाहिए ताकि एक क्लिनिशियन इस बात में आश्वस्त हो सके कि रोगी की स्थिति वास्तव में सुधरी है या बिगड़ गई है। अध्ययन यह निष्कर्ष निकालता है कि दोनों स्वचालित दृष्टिकोण हाइपरनेज़ैलिटी को मापने के वैध, वस्तुनिष्ठ तरीके प्रदान करते हैं। वे एक ही अंतर्निहित ध्वनिक वास्तविकता को पकड़ते हैं और केवल मानव कान पर निर्भर रहने के बजाय एक सुसंगत, डेटा-संचालित विकल्प प्रदान करते हैं, जो मोटर स्पीच डिसऑर्डर को समझने और ट्रैक करने के लिए एक स्पष्ट मार्ग प्रदान करते हैं।