🧬 biology

Spontaneous Speech as a Scalable Digital Biomarker for Monitoring Cognitive Change in Older Adults

यह अध्ययन प्रदर्शित करता है कि स्वतःस्फूर्त भाषण विश्लेषण एक स्केलेबल डिजिटल बायोमार्कर के रूप में कार्य करता है, जिसकी व्यक्ति-विशिष्ट संज्ञानात्मक परिवर्तन के प्रति संवेदनशीलता मानक संक्षिप्त संज्ञानात्मक मूल्यांकनों के तुलनीय है, जो वृद्ध वयस्कों में प्रारंभिक संज्ञानात्मक गिरावट की निगरानी के लिए इसकी क्षमता को प्रमाणित करती है।

मूल लेखक: Jonathan Heitz, Rudolf Debelak, Nicolas Langer

प्रकाशित 2026-07-01

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jonathan Heitz, Rudolf Debelak, Nicolas Langer

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

बड़ी तस्वीर: मस्तिष्क की "आवाज़" को सुनना

कल्पना कीजिए कि आप जानना चाहते हैं कि क्या किसी कार का इंजन समय के साथ धीरे-धीरे अपनी शक्ति खो रहा है। आप हर महीने उसे पूरी, महंगी डायग्नोस्टिक जांच के लिए मैकेनिक के पास ले जा सकते हैं। लेकिन इसमें बहुत समय लगता है, यह महंगा है, और मैकेनिक थक सकता है या उसका ध्यान भटक सकता है, जिससे परिणाम थोड़े "शोरभरे" (अशुद्ध) हो सकते हैं।

इसके बजाय, आप बस इंजन के चलने की आवाज़ सुन सकते हैं। यदि आवाज़ थोड़ी बदलती है, तो आप जान जाते हैं कि कुछ बदल रहा है।

यह शोध पत्र पूछता है: क्या हम मानक मस्तिष्क परीक्षणों (standard brain tests) की तरह ही, स्मृति या सोचने की समस्याओं के शुरुआती संकेतों का पता लगाने के लिए किसी व्यक्ति की स्वाभाविक बातचीत (उनकी "इंजन की आवाज़") का उपयोग कर सकते हैं?

शोधकर्ताओं ने पाया कि भाषा (language) और स्मृति (memory) के लिए, स्वाभाविक रूप से बात करना वास्तव में मानक परीक्षणों जितना ही संवेदनशील है। गति (speed) और कार्यकारी क्षमता (executive function - योजना बनाना/व्यवस्थित करना) जैसे अन्य कौशल के लिए, मानक परीक्षण अभी भी बेहतर हैं।

समस्या: मानक परीक्षणों का "धुंधला दर्पण"

मानक मस्तिष्क परीक्षण (जैसे MoCA या MMSE) एक ऐसे दर्पण की तरह हैं जो थोड़ा धुंधला है जिसमें आप अपना प्रतिबिंब देख रहे हैं।

समस्या: भले ही आपका मस्तिष्क आज बिल्कुल वैसा ही हो जैसा पिछले महीने था, आपका टेस्ट स्कोर बदल सकता है क्योंकि आप थके हुए थे, तनाव में थे, या बस आपका "बुरा दिन" था। इसे मेज़रमेंट नॉइज़ (measurement noise) कहा जाता है।
परिणाम: क्योंकि दर्पण धुंधला है, आप सूक्ष्म परिवर्तनों को नहीं देख सकते। आप समस्या को तभी नोटिस करते हैं जब प्रतिबिंब वास्तव में बहुत धुंधला हो जाता है (जब व्यक्ति पहले से ही काफी अक्षम हो चुका होता है)। तब तक, अक्सर शुरुआती हस्तक्षेप (interventions) के लिए बहुत देर हो चुकी होती है।

शोधकर्ता उन सूक्ष्म, शुरुआती परिवर्तनों को बिना उस "धुंध" के देखने का तरीका खोजना चाहते थे।

समाधान: "डिजिटल बायोमार्कर" (स्वाभाविक भाषण)

शोधकर्ताओं ने स्वाभाविक भाषण (spontaneous speech) का उपयोग किया। उन्होंने वृद्ध वयस्कों को तीन काम करने के लिए कहा:

कुकी जार चोरी होने की एक तस्वीर का वर्णन करें।
पिकनिक के दृश्य की एक तस्वीर का वर्णन करें।
अपने सप्ताह के बारे में बात करें (जैसे एक वॉयस जर्नल)।

उन्होंने इन रिकॉर्डिंगों का विश्लेषण करने और व्यक्ति के संज्ञानात्मक स्कोर (cognitive scores) की भविष्यवाणी करने के लिए AI का उपयोग किया।

मुख्य अंतर्दृष्टि:
सोचिए कि आपकी आवाज़ के दो भाग होते हैं:

"आप" वाला कारक (The "You" Factor): आपका लहजा, आपकी बोलने की सामान्य गति, आपके पसंदीदा शब्द और आपका व्यक्तित्व। यह हिस्सा बहुत स्थिर है; यह दिन-प्रतिಲ್ಲ बदलता नहीं है।
"मस्तिष्क" वाला कारक (The "Brain" Factor): आप इस समय कितनी अच्छी तरह सोच रहे हैं।

मानक परीक्षण "धुंध" (यादृच्छिक शोर) के कारण भ्रमित हो जाते हैं। लेकिन AI मॉडल ने "आप" वाले कारक को अनदेखा करना सीख लिया (क्योंकि यह स्थिर है) और "मस्तिष्क" वाले कारक पर ध्यान केंद्रित किया। क्योंकि AI दैनिक शोर को फ़िल्टर कर देता है, यह कभी-कभी मस्तिष्क की शक्ति में उस छोटी सी गिरावट को पकड़ सकता है जिसे एक मानक परीक्षण मिस कर देता है।

परिणाम: एक निष्पक्ष मुकाबला

शोधकर्ताओं ने "Speech AI" की तुलना "Standard Test" से MDC (Minimal Detectable Change) की अवधारणा का उपयोग करके की।

MDC को "संवेदनशीलता सीमा" (Sensitivity Threshold) के रूप में समझें: कोई उपकरण वास्तव में कितने छोटे बदलाव को देख सकता है? कम संख्या का अर्थ है कि उपकरण अधिक सटीक (sharp) है।

उन्होंने क्या पाया:

भाषा और स्मृति: Speech AI उतना ही सटीक था जितना कि मानक परीक्षण। यह लोगों के बोलने और याद रखने के तरीके में होने वाले उन्हीं सूक्ष्म परिवर्तनों का पता लगा सका।
गति और कार्यकारी क्षमता: Speech AI कम सटीक था। यह मानक परीक्षणों की तरह लोगों के सोचने की गति या योजना बनाने की क्षमता में होने वाले छोटे बदलावों को उतनी आसानी से नहीं पकड़ सका।

यह क्यों महत्वपूर्ण है (शोध पत्र के अनुसार)

शोध पत्र का तर्क है कि हमें केवल यह नहीं देखना चाहिए कि AI एक टेस्ट स्कोर की कितनी अच्छी तरह भविष्यवाणी करता है (जो यह पूछने जैसा है, "क्या AI ने सही नंबर का अनुमान लगाया?")। इसके बजाय, हमें संवेदनशीलता (sensitivity) पर ध्यान देना चाहिए: "क्या AI व्यक्ति में बदलाव को पहचान सकता है?"

अध्ययन दिखाता है कि भाषा और स्मृति के लिए, भाषण एक व्यवहार्य और स्केलेबल उपकरण है। यह एक ऐसे उपकरण की तरह है जो:

सस्ता है: आपको बस एक फोन की आवश्यकता है।
दोहराने योग्य है: आप इसे हर सप्ताह कर सकते हैं बिना व्यक्ति के बोर हुए या उत्तरों का अभ्यास किए (क्योंकि अपने सप्ताह के बारे में बात करना हर बार अलग होता है)।
संवेदनशील है: यह मस्तिष्क की गिरावट की उन "शुरुआती फुसफुसाहटों" को पकड़ सकता है जिन्हें मानक परीक्षण मिस कर सकते हैं।

सीमाएं (जो शोध पत्र नहीं कहता)

यह निदान (diagnosis) नहीं है: शोध पत्र यह नहीं कहता कि यह उपकरण अकेले अल्जाइमर या डिमेंशिया का निदान कर सकता है। यह एक "निगरानी" (monitoring) उपकरण है, जैसे कि स्मोक डिटेक्टर। यदि स्मोक डिटेक्टर बजता है, तो आप जांच के लिए पेशेवर (डॉक्टर) को बुलाते हैं।
इसे और अधिक परीक्षण की आवश्यकता है: यह अध्ययन स्वस्थ, शिक्षित वृद्ध वयस्कों पर किया गया था। लेखक स्वीकार करते हैं कि हमें अभी तक यह नहीं पता है कि क्या यह उन लोगों के लिए भी उतना ही प्रभावी है जो पहले से ही स्पष्ट डिमेंशिया के लक्षण दिखा रहे हैं या विभिन्न सांस्कृतिक या भाषाई पृष्ठभूमि के लोगों के लिए।
यह अभी पूर्ण नहीं है: "गति" और "योजना" के लिए, स्पीच टूल मानक परीक्षणों को बदलने के लिए तैयार नहीं है।

सारांश उपमा (Summary Analogy)

कल्पना कीजिए कि आप एक पौधे की वृद्धि को ट्रैक करने की कोशिश कर रहे हैं।

मानक परीक्षण महीने में एक बार फोटो लेने जैसा है। कभी-कभी रोशनी खराब होती है, या कैमरा हिल जाता है, इसलिए आप पिछले सप्ताह में निकले छोटे से अंकुर को मिस कर देते हैं।
भाषण विश्लेषण (Speech Analysis) एक हाई-टेक सेंसर होने जैसा है जो पौधे की "गुंजन" (hum) को सुनता है। शोधकर्ताओं ने पाया कि पौधे की जड़ों (स्मृति) और पत्तियों (भाषा) के लिए, सेंसर फोटो की तरह ही सूक्ष्म विकास को सुनने में उतना ही अच्छा है। लेकिन तने की गति के लिए, सेंसर अभी उतना अच्छा नहीं है।

शोध पत्र निष्कर्ष निकालता है कि यह "सुनने" की विधि मस्तिष्क स्वास्थ्य पर नज़र रखने का एक आशाजनक और स्केलेबल तरीका है, बशर्ते हमें यह पता हो कि मस्तिष्क के कौन से हिस्से की निगरानी करने में यह अच्छा है।

तकनीकी सारांश: वृद्ध वयस्कों में संज्ञानात्मक परिवर्तन की निगरानी के लिए एक स्केलेबल डिजिटल बायोमार्कर के रूप में स्वतःस्फूर्त भाषण (Spontaneous Speech)

समस्या विवरण
वैश्विक जनसंख्या के तेजी से बढ़ते आयु ग्राफ के कारण संज्ञानात्मक गिरावट (cognitive decline) का शीघ्र पता लगाने के लिए स्केलेबल उपकरणों की आवश्यकता है, विशेष रूप से प्रारंभिक चरण की रोग-परिवर्तक उपचारों (disease-modifying therapies) की संभावित प्रभावकारिता को देखते हुए। वर्तमान नैदानिक मानक संक्षिप्त संज्ञानात्मक स्क्रीनिंग उपकरणों (जैसे, MMSE, MoCA) पर निर्भर करते हैं जो अनुदैर्ध्य निगरानी (longitudinal monitoring) के लिए उपयोग किए जाते हैं। हालांकि, इन उपकरणों में महत्वपूर्ण 'मेजरमेंट नॉइज़' (measurement noise), सीमित डोमेन कवरेज और 'प्रैक्टिस इफेक्ट्स' (practice effects) के प्रति संवेदनशीलता देखी जाती है। मानक मूल्यांकनों के लिए न्यूनतम पता लगाने योग्य परिवर्तन (Minimal Detectable Change - MDC) अक्सर काफी अधिक होता है (जैसे, 30-पॉइंट स्केल पर MoCA के लिए 4-5 अंक), जिसका अर्थ है कि व्यक्ति के भीतर होने वाले वास्तविक प्रारंभिक संज्ञानात्मक परिवर्तनों को यादृच्छिक मापन उतार-चढ़ाव से अलग पहचानना कठिन होता है। हालांकि स्वतःस्फूर्त भाषण (spontaneous speech) एक आशाजनक डिजिटल बायोमार्कर के रूप में उभरा है, लेकिन पिछले शोध मुख्य रूप से नैदानिक समूहों के क्रॉस-सेक्शनल वर्गीकरण या शोर वाले संज्ञानात्मक स्कोर के रिग्रेशन पर केंद्रित रहे हैं। महत्वपूर्ण रूप से, भाषण-आधारित भविष्यवाणियों की वास्तविक 'लेटेंट कॉग्निशन' (latent cognition) में होने वाले 'विदिन-पर्सन' (within-person) परिवर्तन के प्रति संवेदनशीलता को मानक संज्ञानात्मक मूल्यांकनों के विरुद्ध सीधे बेंचमार्क नहीं किया गया है।

कार्यप्रणाली (Methodology)
लेखकों ने लेटेंट कॉग्निशन के मशीन-लर्निंग भविष्यवाणियों (जो स्वतःस्फूर्त भाषण से प्राप्त हैं) का मूल्यांकन करने के लिए शास्त्रीय MDC ढांचे का विस्तार किया। अध्ययन में दो स्वतंत्र अनुदैर्ध्य समूहों (longitudinal cohorts) का उपयोग किया गया:

कोहोर्ट A (प्राथमिक): 305 वृद्ध वयस्क जिन्हें लगभग 21 महीने के अंतराल पर दो बार आकलित किया गया।
कोहोर्ट B (पुनरावृत्ति/Replication): 70 वृद्ध वयस्क जिन्हें लगभग 2 महीने के कम अंतराल पर आकलित किया गया ताकि वास्तविक संज्ञानात्मक परिवर्तन को न्यूनतम किया जा सके और केवल मापन संबंधी शोर (measurement noise) को अलग किया जा सके।

डेटा और विशेषताएं (Data and Features):
प्रतिभागियों ने तीन स्वतःस्फूर्त भाषण कार्यों (कुकी चोरी चित्र वर्णन, पिकनिक सीन वर्णन, और एक जर्नलिंग कार्य) को पूरा किया और एक मानकीकृत संज्ञानात्मक बैटरी (एम्स्टर्डम कॉग्निशन स्कैन) का उपयोग किया। भाषण को ASR द्वारा ट्रांसक्राइब किया गया, और भाषाई/ध्वनिक विशेषताओं (linguistic/acoustic features) को निकाला गया।

मॉडलिंग दृष्टिकोण:

रिग्रेशन (Regression): सपोर्ट वेक्टर रिग्रेशन (SVR) मॉडल को भाषण विशेषताओं और जनसांख्यिकी से चार मिश्रित संज्ञानात्मक स्कोर (भाषा, स्मृति, कार्यकारी कार्य [Executive Function], और गति) की भविष्यवाणी करने के लिए प्रशिक्षित किया गया।
मापन मॉडल (Measurement Model): लेखकों ने दोनों संज्ञानात्मक स्कोर ( $Y$ ) और भाषण भविष्यवाणियों ( $\hat{Y}$ ) को लेटेंट 'ट्रू कॉग्निशन' ( $C$ ) के शोर वाले मापन के रूप में फ्रेम किया। उन्होंने भाषण भविष्यवाणियों को इस प्रकार मॉडल किया: $\hat{Y} = \lambda C + \beta + \epsilon$ , जहाँ $\lambda$ एक एटेनुएशन फैक्टर (attenuation factor) है, $\beta$ एक समय-अपरिवर्तनीय वक्ता-विशिष्ट बायस (speaker-specific bias) है (जो लहजे या शैली जैसे स्थिर गैर-संज्ञानात्मक गुणों को कैप्चर करता है), और $\epsilon$ अवशिष्ट शोर (residual noise) है।
MDC अनुमान: संज्ञानात्मक मूल्यांकन और भाषण भविष्यवाणियों दोनों के लिए MDC की गणना की गई। महत्वपूर्ण रूप से, भाषण-आधारित MDC को लेटेंट कॉग्निशन की इकाइयों में पुन: स्केल किया गया ( $MDC_{latent}^{speech} = MDC_{pred}^{speech} / \lambda$ ) ताकि संज्ञानात्मक मूल्यांकन के MDC के साथ सीधा तुलनात्मक अध्ययन सुनिश्चित किया जा सके।
वैधीकरण (Validation): मापन मॉडल की मान्यताओं (एटेनुएशन, बायस, स्टेशनैरिटी) को मान्य करने के लिए स्ट्रक्चरल इक्वेशन मॉडलिंग (SEM) का उपयोग किया गया। एक सिमुलेशन विश्लेषण किया गया ताकि यह मैप किया जा सके कि रिग्रेशन प्रदर्शन ( $R^2$ ) और भविष्यवाणी विश्वसनीयता (ICC) संयुक्त रूप से कैसे प्राप्त करने योग्य MDC को निर्धारित करते हैं।

मुख्य परिणाम

संवेदनशीलता (MDC): दोनों कोहोर्ट्स में, तीन भाषण कार्यों से प्राप्त औसत भविष्यवाणी ने भाषा (Language) और स्मृति (Memory) डोमेन के लिए संज्ञानात्मक मूल्यांकन के तुलनीय MDC प्राप्त किया। इन डोमेन के लिए, भाषण-आधारित और संज्ञानात्मक MDCs के बीच का अंतर सांख्यिकीय रूप से महत्वपूर्ण नहीं था। हालांकि, भाषण-आधारित भविष्यवाणियां कार्यकारी कार्य (Executive Function) और गति (Speed) के लिए संज्ञानात्मक मूल्यांकनों की तुलना में काफी कम संवेदनशील (उच्च MDC) थीं।
विश्वसनीयता बनाम सटीकता (Reliability vs. Accuracy): अध्ययन में क्रॉस-सेक्शनल रिग्रेशन प्रदर्शन ( $R^2$ ) और टेस्ट-रीटेस्ट विश्वसनीयता के बीच एक पृथक्करण (dissociation) पाया गया। जबकि $R^2$ मान मध्यम थे (जैसे, भाषा के लिए $R^2 \approx 0.25$ ), भाषण भविष्यवाणियों की टेस्ट-रीटेस्ट विश्वसनीयता अक्सर संज्ञानात्मक मिश्रित स्कोर की तुलना में अधिक थी (जैसे, मेमोरी भविष्यवाणियों के लिए ICC $\approx 0.89$ बनाम संज्ञानात्मक स्कोर के लिए $0.68$)।
कार्य प्रदर्शन (Task Performance): तीन कार्यों के माध्यम से भविष्यवाणियों का औसत लेना व्यक्तिगत कार्यों की तुलना में लगातार बेहतर प्रदर्शन करता रहा। बाधित चित्र वर्णन कार्यों (कुकी चोरी, पिकनिक सीन) ने अनियंत्रित जर्नलिंग कार्य की तुलना में बेहतर MDC दिए।
सिमुलेशन अंतर्दृष्टि: सिमुलेशन ने खुलासा किया कि एक बायोमार्कर उच्च विश्वसनीयता के साथ मध्यम $R^2$ के बावजूद संज्ञानात्मक मूल्यांकनों से बेहतर प्रदर्शन कर सकता है। इसके विपरीत, कम विश्वसनीयता के साथ उच्च $R^2$ खराब MDC की ओर ले जाता है। ये दोनों मेट्रिक्स अलग-अलग कारकों द्वारा संचालित होते हैं: $R^2$ विशेषताओं में संज्ञानात्मक सिग्नल के अनुपात पर निर्भर करता है, जबकि विश्वसनीयता विशेषताओं की सत्रों के बीच स्थिरता (मापन शोर को कम करना) पर निर्भर करती है।

महत्व और दावे
यह शोध दावा करता है कि स्वतःस्फूर्त भाषण वृद्धावस्था में नैदानिक रूप से प्रासंगिक संज्ञानात्मक परिवर्तन की निगरानी के लिए एक व्यवहार्य, स्केलेबल डिजिटल बायोमार्कर है, विशेष रूप से भाषा और स्मृति डोमेन के लिए। लेखक तर्क देते हैं कि दीर्घकालिक निगरानी के लिए एक बायोमार्कर की उपयोगिता उसकी क्रॉस-सेक्शनल सटीकता ( $R^2$ ) के बजाय उसके 'विदिन-पर्सन' परिवर्तन के प्रति संवेदनशीलता (MDC) द्वारा तय की जानी चाहिए। क्योंकि भाषण-आधारित मॉडल संज्ञानात्मक स्कोर के व्यवस्थित घटक को सीखते हैं और यादृच्छिक लेबल शोर को फ़िल्टर करते हैं, और क्योंकि वे संज्ञानात्मक परीक्षणों की तुलना में 'प्रैक्टिस इफेक्ट्स' के प्रति कम संवेदनशील होते हैं, वे मानक नैदानिक उपकरणों के तुलनीय संवेदनशीलता प्राप्त कर सकते हैं।

अध्ययन निष्कर्ष निकालता है कि हालांकि कार्यकारी कार्य और गति के लिए भाषण-आधारित निगरानी वर्तमान में संक्षिप्त संज्ञानात्मक मूल्यांकनों के साथ प्रतिस्पर्धी होने में सुधार की आवश्यकता है, भविष्य के विकास को दो स्वतंत्र लीवरों पर ध्यान केंद्रित करना चाहिए: संज्ञानात्मक सिग्नल को कैप्चर करने के लिए फीचर रिप्रेजेंटेशन में सुधार करना (बढ़ता हुआ $R^2$ ) और मापन शोर को कम करने के लिए सैंपल मजबूती या औसत को बढ़ाना (बढ़ती हुई विश्वसनीयता)। ये निष्कर्ष विशिष्ट नैदानिक फॉलो-अप की आवश्यकता वाले व्यक्तियों को फ्लैग करने के लिए बार-बार, रिमोट मॉनिटरिंग के माध्यम से भाषण-आधारित उपकरणों की तैनाती का समर्थन करते हैं, न कि व्यापक न्यूरोसाइकोलॉजिकल मूल्यांकन को बदलने के लिए।