Stimmveränderungen und KI-Sprachanalyse verknüpfen Stimmuster mit Demenzrisiko
Zwei Studien verbinden Stimmveränderungen und KI-Sprachmodellierung mit erhöhtem Demenzrisiko und beschleunigten biologischen Alterungsmarkern in großen Kohorten.
Stimmstörungen und kognitiver Abbau
Ein Forschungsteam des Drexel University College of Medicine analysierte Gesundheitsdaten von 833.417 Erwachsenen ab 50 Jahren, um Zusammenhänge zwischen Stimmstörungen, Hörbeeinträchtigungen und kognitivem Abbau zu untersuchen. Die in der Fachzeitschrift Journal of Voice veröffentlichte Studie prüfte, ob Stimmveränderungen als frühe Indikatoren vor offensichtlichen kognitiven Symptomen dienen können. Das natürliche Altern verursacht Stimmveränderungen wie verringerte Lautstärke, abnehmende Klarheit und Tonhöhenverschiebungen, doch bestimmte Veränderungen korrelieren mit der allgemeinen neurologischen Gesundheit.
Die Daten zeigten unterschiedliche Risikoprofile je nach der konkreten Kombination sensorischer und stimmlicher Beeinträchtigungen. Personen mit sowohl Stimmstörungen als auch Hörbeeinträchtigungen wiesen eine um 104 % höhere Wahrscheinlichkeit auf, eine Diagnose kognitiver Beeinträchtigung oder Demenz zu erhalten, als Kontrollgruppen. Stimmprobleme allein, ohne begleitenden Hörverlust, korrelierten mit einer um 58 % höheren Wahrscheinlichkeit. Hörverlust allein zeigte einen Risikoanstieg von 27 %, während die allgemeine Kategorie aller Stimmstörungen einem Anstieg von 29 % in der gesamten Kohorte entsprach. Die Autoren merkten an, dass Schwierigkeiten in der stimmlichen Kommunikation Alltagsgespräche unangenehm und körperlich anstrengend machen können.
- Stimm- und Hörprobleme
- 104 %
- Stimmprobleme allein
- 58 %
- Alle Stimmstörungen
- 29 %
- Hörverlust allein
- 27 %
Maschinelles Lernen und die Sprachalter-Lücke
Eine internationale Forschungsinitiative unter Leitung von Wissenschaftlern des Trinity College Dublin entwickelte ein Modell künstlicher Intelligenz, um das chronologische Alter anhand von Stimmaufnahmen zu schätzen. Die in Science Advances veröffentlichten Ergebnisse bewerteten 2.928 spanischsprachige Teilnehmer im Alter von 18 bis 88 Jahren aus Argentinien, Chile, Kolumbien, Mexiko und Peru. Die Kohorte umfasste gesunde Personen sowie Patienten mit diagnostizierter leichter kognitiver Beeinträchtigung, Alzheimer-Krankheit und Varianten der frontotemporalen Demenz. Die Studie konzentrierte sich auf Lateinamerika, eine Region, die in Demenz-Forschungskohorten historisch unterrepräsentiert ist.
Der Algorithmus bewertete mehr als 700 akustische und linguistische Merkmale, die aus Sprach- und Gedächtnistests extrahiert wurden. Die Teilnehmer absolvierten Aufgaben wie das Beschreiben von Bildern und Videos, das Auflisten von Wörtern nach Kategorien und das Nacherzählen von Geschichten. Das System analysierte Sprechtempo, Pausendauer, Ton, emotionale Ausdruckskraft, Wortwahl, semantische Präzision und Diskursstruktur. Durch den Vergleich des vom Algorithmus geschätzten biologischen Stimmalters mit dem chronologischen Alter einer Person berechneten die Forscher eine Kennzahl, die als Sprachalter-Lücke bezeichnet wird.
Biomarker und kognitive Leistung
Kognitiv gesunde Teilnehmer wiesen die geringsten Unterschiede zwischen geschätztem Stimmalter und chronologischem Alter auf, während Teilnehmer mit diagnostizierter leichter kognitiver Beeinträchtigung, Alzheimer-Krankheit und frontotemporaler Demenz zunehmend größere Lücken zeigten. Größere Sprachalter-Lücken korrelierten mit niedrigeren Punktzahlen in Tests zu Gedächtnis, Aufmerksamkeit, Sprachfähigkeiten, exekutiven Funktionen und Alltagsaufgaben. Das Muster blieb sowohl bei nicht-linguistischen kognitiven Bewertungen als auch bei standardmäßigen verbalen Untersuchungen konsistent. Diese Stimmkennzahlen stimmten zudem mit physischen Biomarkern des Alterns überein, darunter das Hirnalter aus der Neurobildgebung, drei epigenetische Uhren zur Verfolgung chemischer DNA-Modifikationen und erhöhte p-tau217-Werte bei Patienten mit Alzheimer-Krankheit.
Sozioökonomische Faktoren und klinische Grenzen
Die Forscher beobachteten Korrelationen zwischen beschleunigter Stimmalterung und ungünstigen sozioökonomischen Faktoren. Teilnehmer, die finanzielle Not, Ernährungsunsicherheit, eingeschränkten Zugang zur Gesundheitsversorgung oder weniger Jahre formaler Bildung erlebten, wiesen häufig ein höheres Sprachalter im Verhältnis zu ihrem tatsächlichen Alter auf. Beide Forschungsteams stellten klar, dass diese Ergebnisse keine direkten Diagnoseinstrumente darstellen. Die Drexel-Studie identifizierte statistische Zusammenhänge und keine direkte Kausalität, während die KI-Sprachuhr nicht vorhersagen kann, ob eine gesunde Person irgendwann Demenz entwickeln wird, zumal Stimmuster mit Stress, Müdigkeit und Depression schwanken.
