您的聲音可能掩蓋了帕金森病的跡象

在持續努力為了及早發現神經退行性疾病，研究人員指導機器學習模型以查看他們是否能“聽到”帕金森氏癥患者聲音中的疾病。

“我們的研究結果表明，基于語音的機器學習模型甚至可以在明顯的運動體征出現之前檢測到疾病特征，”北德克薩斯大學生物信息學家 Aniruth Ananthanarayanan 及其同事解釋在他們的研究中，該研究尚未發表。

帕金森病的影響全球近 900 萬人.它的特點是難以控制患者四肢的精細運動和震顫，但它也會對人們的情緒、思維和記憶造成挑戰。

雖然這種情況背后的機制或多或少是已知的，但功能崩潰的觸發因素尚未完全了解。一切從加工食品自高爾夫球場使用的殺蟲劑受到牽連，還有遺傳成分.

目前沒有治愈帕金森病的方法，這意味著最好的患者和他們的親人可以希望的是減緩癥狀的療法.此類治療越早開始，它們提供的好處就越多。

所以早期發現會對患者的生活質量產生巨大影響。

Ananthanarayanan 和他的團隊使用機器學習模型，僅從他們的聲音來確定一些志愿者是否患有帕金森病。

他們測試和訓練了來自 31 人的 195 條語音記錄。其中，23 人被診斷出患有帕金森氏癥。模式搜索程序在其 90% 的嘗試中準確識別了患有這種疾病的患者。

模型評估的聲音特征包括抖動的存在，這是不規則的結果聲帶振動;噪聲諧波比（noise-to-harmonic ratios） 是聲門沒有正確關閉;以及無序語音信號模式的測量。

這些特征以前與帕金森病的公認癥狀有關，包括嘶啞的聲音、由于聲帶肌肉無力而導致的說話困難，以及運動緩慢或蹣跚.

“盡管具有診斷潛力，但像發音困難這樣的聲音癥狀 [] 沒有得到充分利用，”研究人員解釋.

他們警告說，還需要進一步的工作來測試他們的模型的泛化性，因為這些程序僅使用來自 31 個人的聲音數據進行訓練。這使得他們的方法不太可能捕捉到不同年齡、口音和環境條件下的所有真實語音差異。

數據科學家 Aiden Arnold 沒有參與這項研究，告訴Clarissa Brincat at新科學家這種基于語音的方法“也顯示出作為早期篩查的真正前景”。

如果結果在更廣泛的人群中保持一致，那么隨著病例數的持續增加，這種工具將是一種易于擴展且負擔得起的早期篩查選擇。

這項研究仍在等待中同行審查并已上傳到MedRxiv 公司.

寶寶起名 起名