评估机器学习与人工智能方法分析多发性硬化语音录音的临床效用：一项初步研究
音频与语音处理
2021-09-28 v2 人工智能
神经元与认知
摘要
背景：多发性硬化的早期诊断和准确的疾病进展监测是成功疾病管理的重要组成部分。先前研究已确立多发性硬化与言语差异相关。早期使用客观声学测量的研究发现了可测量的构音障碍。目的：确定机器学习与深度学习/AI（artificial intelligence）方法利用语音录音辅助多发性硬化诊断、生物标志物提取与进展监测的潜在临床效用。方法：使用由 65 名 MS 阳性与 66 名健康个体朗读同一文本组成的语料库，借助自动音素分割进行针对性声学特征提取。训练、调优并评估了一系列二分类模型在准确率（Accuracy）与曲线下面积（area-under-curve）方面的表现。结果：随机森林（Random Forest）模型表现最佳，在验证集上达到 0.82 的准确率，在训练集上 5 折交叉验证中曲线下面积为 0.76。7 个声学特征中有 5 个具有统计显著性。结论：机器学习与人工智能用于语音录音的自动分析以辅助 MS 诊断与进展追踪似乎大有前景。这些方法及其与多发性硬化进展的映射仍需进一步的临床验证，以及针对英语人群效用的验证。
引用
@article{arxiv.2109.09844,
title = {Assessing clinical utility of Machine Learning and Artificial Intelligence approaches to analyze speech recordings in Multiple Sclerosis: A Pilot Study},
author = {Emil Svoboda and Tomáš Bořil and Jan Rusz and Tereza Tykalová and Dana Horáková and Charles R. G. Guttman and Krastan B. Blagoev and Hiroto Hatabu and Vlad I. Valtchinov},
journal= {arXiv preprint arXiv:2109.09844},
year = {2021}
}