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

人が話すとき、口の奥にある軟口蓋はゲートとして機能し、空気を鼻または口のどちらかに送り出します。健康な声では、このゲートはほとんどの音に対してしっかりと閉じられ、「m」、「n」、「ng」のような特定の文字の場合にのみ開きます。しかし、運動言語障害（脳が音声に必要な筋肉を調整することに困難が生じる状態）を持つ人々の場合、このゲートが適切に閉じないことがあります。その結果、本来は純粋に口腔的な音であるはずの音に対して空気が鼻に漏れ出し、過度な鼻声（ハイパーナザリティ）が生じ、声に独特の空洞感を与えます。言語聴覚士はこの違いを聞き取ることができますが、それを正確に測定することにはしばしば苦慮します。人間の耳だけに頼ることは一貫性に欠けることがあり、患者が時間の経過とともに改善しているのか、あるいは異なる人々間で症状の重症度を比較することが困難になります。これを解決するために、研究者たちは音声録音を聴き取り、鼻腔共鳴がどの程度存在するかを正確に計算する自動化ツールを開発し始め、主観的な印象を客観的な数値へと変えようとしています。

研究チームは、この鼻腔へのリークを捉えるために設計された2つの具体的な自動化手法をテストすることに乗り出しました。彼らは、これらのコンピュータベースの測定法が、運動言語障害を持つ患者の過度な鼻声の重症度を正確に反映できるかどうかを知りたいと考えました。第一の手法である「鼻音同根弁別性（Nasal Cognate Distinctiveness）」は、一方が鼻音であり、もう一方がそうではない、ほぼ同一の音のペアに焦点を当てています。例えば、「p」という音は無声破裂音ですが、「m」はその鼻音のパートナーです。コンピュータは、話し手がこれらのペアをどれほど明確に区別できているかを分析します。もし話し手に過度な鼻声がある場合、「p」は「m」に似た音になり、コンピュータはこの「ぼやけ」を検出します。第二の手法である「鼻音事後確率（nasal posterior probability）」は、言語の規則に基づいて学習されたより高度なコンピュータモデルを使用し、任意の音が鼻腔エネルギーを含んでいる可能性を推定します。伝統的に「p」、「t」、「k」といった破裂音のみを見ていた最初の手法とは異なり、この第二の手法は、鼻腔の信号が通常の対象を超えて広がっているかどうかを確認するために、他の子音や母音を含むより幅広い音に対してテストされました。

これらのツールを検証するために、研究者たちは561人から集めた文章レベルの音声録音を収集しました。このグループには、基準値としての役割を果たす典型的な神経機能を持つ374人と、運動言語障害と診断された187人の患者が含まれていました。各録音は、専門的な判断に基づいて重症度スコアを割り当てる訓練を受けた言語聴果士によっても評価されました。研究者たちは、これらの自動解析を実行し、パターンを探りました。その結果、人間の専門家が過度な鼻声をより重度と評価するにつれて、第一の指標である「鼻音同根弁別性」は一般的に低下し、口腔音と鼻音の区別が検出しにくくなっていることが分かりました。同時に、第二の指標である「鼻音事後確率」は増加し、鼻腔エネルギーの存在が高まっていることを示しました。データは、これらの変化がランダムなものではなく、重症度の人間による評価と密接に連動していることを示しました。

この研究では、また、これらの自動測定法が、過度な鼻声のない話し手と、それを持つ話し手の違いを判別できるかどうかも調査しました。研究者が両手法の性能を比較したところ、両方の手法とも、これら2つのグループを分ける上で非常に効果的であることが分かりました。音のペアに焦点を当てた手法と、鼻腔の特徴の確率を分析する手法は、どちらも同様の成功率を達成しました。おそらくより驚くべきことに、研究者たちは、第二の手法が子音に対して行った際と同様に、母音に対しても同様に有効であることを発見しました。この発見は、鼻腔の問題は特定の破裂音においてのみ顕在化するという古い仮説に疑問を投げかけるものです。データは、鼻腔の信号が、子音の鋭いエッジから母音の滑らかな流れに至るまで、音声の全スペクトルにわたって存在し、測定可能であることを示しており、両方のタイプの音が、この疾患の重症度との間に同様の強い関係を示していました。

これらのツールが実社会での使用に耐えうる信頼性を備えていることを確認するため、チームは、もし人が同じ文章を2回話した場合に、測定値が一定に保たれるかどうかについてもチェックしました。彼らは20人の健康な対照群を2回にわたって録音し、その結果を比較しました。分析の結果、大多数の繰り返し録音において、測定値は安定しており、実質的な差とみなされるほどの変化を示したのは極めて少数でした。このステップは、臨床医が患者の症状が実際に改善したのか、あるいは悪化したのかを確信するために、スコアがどの程度変化する必要があるのかというベンチマークを理解する上で、極めて重要な指標となりました。本研究は、両方の自動化アプローチが、過度な鼻声を測定するための妥当かつ客観的な方法を提供することを結論付けています。それらは同じ潜在的な音響的現実を捉えており、人間の耳だけに頼ることに代わる、一貫したデータ駆動型の選択肢を提供し、運動言語障害を理解し追跡するためのより明確な道筋を示しています。