Identifying Parkinson's Disease and Atypical Parkinsonism using acoustic representations of core vowels with Machine Learning models
本研究表明，通过分析普通话核心元音及言语构音运动任务（diadochokinesis tasks）的声学特征，机器学习模型能够有效区分帕金森病与非典型帕金森综合征，并预测构音障碍的严重程度，从而为早期诊断和监测提供了一种具有前景的无创工具。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
人类的声音不仅仅是沟通的工具，它更是大脑健康状况的敏感晴雨表。在帕金森病等疾病中，由于大脑控制运动的能力逐渐退化，声音往往成为这场挣扎的无声见证者。患者可能会说话语调单一、音量减小，或者因喉部和舌部肌肉僵硬而导致言语含糊。然而，对于医生来说，一个特定的且极具挑战性的难题仍然存在：如何区分经典的帕金森病与一组被称为“非典型帕金森综合征”的相似但截然不同的疾病。这些非典型形式在早期阶段往往与帕金森病的症状高度相似，极易被误诊，但它们的进展方式不同，且需要不同的管理方案。由于在早期阶段症状重叠严重，寻找一种无需昂贵影像学检查或侵入性测试的方法来区分它们，一直是研究人员的一个主要目标。
中国的一个研究团队通过仔细聆听人们说话时发出的特定声音，采取了一种全新的方法来解决这一问题。他们专注于普通话中的九个核心元音，将声音不仅视为疾病的信号，更将其视为大脑与身体协同工作的详细地图。通过记录患者持续发出这些元音以及快速重复音节序列的过程，该团队捕捉到了人类耳朵可能会忽略的细微声学细节。随后，他们利用计算机模型分析这些录音，寻找能够区分不同类型疾病的模式。他们的研究表明，虽然经典的帕金森病主要影响说话的清晰度和速度，但非典型形式会对声音造成更广泛且更深层的破坏，其对音高、稳定性和音量的影响可以通过测量和识别。
研究始于收集一组志愿者，包括34名帕金森病患者、25名非典型帕金森综合征患者以及30名作为基准对照的健康个体。所有参与者都处于病情的早期阶段，即确诊后的三年内。为了确保录音纯净且不受外界噪音干扰，团队在隔音室中使用高质量麦克风进行记录。他们要求参与者完成两项特定任务：首先，持续发出九个不同的普通话元音数秒，像歌手持音一样保持声音稳定；其次，尽可能快速且清晰地重复音节序列“pa-ta-ka”，这项任务旨在测试口腔和舌部的灵活性。
通过这些录音，研究人员提取了广泛的测量指标。他们观察了声音的音高、波动程度、音量大小以及清音中混杂的噪声量。他们还测量了元音所占据的“空间”，这反映了舌头和下颚为了形成不同声音而移动的幅度。结果显示出各组之间明显的区别。健康对照组产生的声音一致且稳定。帕金森病患者表现出一些困难，主要体现在元音形状形成的清晰度以及口腔移动的速度上。他们的声音虽然略显模糊，但基本的音高和稳定性仍相对接近正常水平。
相比之下，非典型帕金森综合征组表现出更为严重且广泛的问题。他们的声音不仅不够清晰，而且从根本上是不稳定的。音高明显降低，声音波动更大，并且有明显的呼吸性噪声增加。或许最重要的一点是，研究人员发现非典型组在特定声音的处理上表现出的困难是帕金森病组所不具备的，特别是对于一个需要复杂舌位才能发出的元音。这种特定的脆弱性作为一个强有力的标记，有助于区分这两种疾病。研究还发现，对于这两个群体而言，那些存在认知障碍（如记忆或思维困难）的人往往拥有更不稳定的声音，这表明大脑的思维中心与语言中心是深度关联的。
为了将这些观察结果转化为实用的工具，研究人员将所有这些测量数据输入到一个计算机学习模型中。该模型经过训练，能够识别每个群体的独特“指纹”。在测试中，该模型证明了其高效性：它能以约93%的准确率，在新的数据集上正确识别声音属于健康人、帕金森病患者还是非典型帕金森综合征患者。它也能以高度的可靠性区分两类疾病组，得分表明其具有很强的辨别能力。此外，该模型还能评估患者言语障碍的严重程度，并与医生基于物理检查给出的评分相匹配。
研究人员承认，这项研究只是第一步，且研究样本量相对较小。他们指出，其发现是针对普通话使用者的，在其他语言中模式可能会有所不同。然而，核心发现意义重大：声音记录了疾病对大脑影响的详细信息。通过聆听元音形成过程中的细微差异以及声音波动的变化，我们能够看到不同神经退行性疾病的独特特征。这种方法提供了一种无创且具有前景的方式，帮助医生进行更早期、更准确的诊断，从而可能在这些疾病变得难以有效治疗之前，改变其管理方式。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。