早筛网讯：近日，波士顿大学团队一项创新研究表明，通过分析语言模型，使用自然语言处理（NLP）和机器学习技术，可以准确预测轻度认知障碍（MCI）患者在未来六年内是否会发展为阿尔茨海默病（AD）。相关论文已发表在《Alzheimer’s & Dementia》上。

AD有着较长的前驱期，在此期间，患者会出现轻微的认知变化，这一阶段被称为轻度认知障碍。每年大约有3%到15%的轻度认知障碍患者会发展为阿尔茨海默病。因此，准确预测MCI患者是否会进展为阿尔茨海默病，对于早期干预、治疗决策和新药临床试验的选择至关重要。

研究团队应用了先进的自然语言处理技术和机器学习方法，开发了一种利用语音数据预测MCI向AD进展的新方法。他们的研究样本来自Framingham心脏研究，包含了166名参与者的神经心理测试访谈记录，其中90名患者在六年内发展为阿尔茨海默病，76名患者在此期间保持稳定的轻度认知障碍状态。

研究人员通过自然语言处理技术对这些语音记录进行了分析，提取了语言特征，并结合参与者的年龄、性别和教育水平等基本信息，构建了预测模型。

“我们将从音频录音中提取的信息与一些基础的人口统计数据结合起来，得出最终的分数，”研究主要作者之一Ioannis（Yannis）Paschalidis说道，“可以把这个分数看作是某人保持稳定或转变为痴呆的可能性，它具有很强的预测能力。我们所采集的是非常随意的录音，尽管如此，模型仍然能够从这些杂乱的数据中得出有用的结果。”

研究结果显示，最佳模型的预测准确率达到78.5%，敏感性达到81.1%。该模型主要依赖于语音数据生成的特征，同时结合了基本的人口统计学信息。研究还发现，使用语音数据和人口统计学信息的模型在预测MCI向AD的进展方面表现出色，与传统的基于神经心理测试评分的方法相比，新的自然语言处理模型表现更为出色。传统方法的预测准确率较低，且需要专业人员进行评分，成本高昂且效率较低。

目前，研究团队还在计划一个关于人工智能是否可以通过智能手机应用程序帮助诊断痴呆的项目，并将目前的研究扩展到语音分析之外，包括弗雷明汉测试、患者绘画和日常生活模式数据，以提高模型的预测准确性。

根据国际阿尔茨海默病协会的数据，全球大多数痴呆患者其实从未接受过正式诊断，无法早期及时干预。尽管AD早期筛查技术在快速进步，但所覆盖人群非常有限。

如果预测痴呆症的语音模型上线智能设备，那人们在家里聊聊天，就能提前知道自己是否有阿尔茨海默病的风险。说不定以后会像智能手环监测心率和睡眠一样，随时随地实时监测痴呆症的风险。

在这种情况下，语音分析作为一种便捷的辅助工具，可以在AD的早期检测中发挥重要作用，并有潜力进行大规模推广。这种方法不仅简化了筛查流程，还能通过日常对话数据提高检测的准确性，从而帮助更多人及时发现和管理AD的早期症状，不失为一种有效且广泛适用的痴呆症检测手段。

进群、合作、投稿请扫码：