Zmiany głosu i analiza mowy przez sztuczną inteligencję wskazują na ryzyko demencji

Zaburzenia głosu a spadek funkcji poznawczych

Zespół badawczy z Drexel University College of Medicine przeanalizował dokumentację medyczną 833 417 osób w wieku 50 lat i starszych, aby ocenić związki między schorzeniami głosu, upośledzeniem słuchu a spadkiem funkcji poznawczych. Badanie, opublikowane w Journal of Voice, oceniało, czy zmiany w głosie mogą służyć jako wczesne wskaźniki przed wystąpieniem jawnych objawów poznawczych. Naturalne starzenie się powoduje zmiany w głosie, takie jak zmniejszona głośność, mniejsza wyrazistość i zmiany wysokości tonu, jednak niektóre zmiany korelują z szerszym stanem zdrowia neurologicznego.

Dane ujawniły odrębne profile ryzyka w zależności od konkretnej kombinacji trudności sensorycznych i głosowych. Osoby doświadczające zarówno zaburzeń głosu, jak i upośledzenia słuchu, wykazywały o 104% wyższe prawdopodobieństwo otrzymania diagnozy zaburzeń poznawczych lub demencji w porównaniu z grupami kontrolnymi. Problemy z głosem występujące samodzielnie, bez współwystępującej utraty słuchu, korelowały z o 58% wyższym prawdopodobieństwem. Utrata słuchu sama w sobie wiązała się ze wzrostem ryzyka o 27%, podczas gdy ogólna kategoria wszystkich zaburzeń głosu odpowiadała wzrostowi o 29% w całej kohorcie. Autorzy zauważyli, że trudności w komunikacji głosowej mogą sprawiać, że codzienna rozmowa staje się niekomfortowa i fizycznie wymagająca.

Uczenie maszynowe a luka wieku mowy

Międzynarodowa inicjatywa badawcza kierowana przez naukowców z Trinity College Dublin stworzyła model sztucznej inteligencji do szacowania wieku chronologicznego na podstawie nagrań głosu. Wyniki, opublikowane w Science Advances, oceniły 2928 hiszpańskojęzycznych uczestników w wieku od 18 do 88 lat z Argentyny, Chile, Kolumbii, Meksyku i Peru. Kohorta obejmowała zarówno osoby zdrowe, jak i pacjentów z diagnozą łagodnych zaburzeń poznawczych, choroby Alzheimera oraz wariantów otępienia czołowo-skroniowego. Badanie skupiło się na Ameryce Łacińskiej, regionie historycznie niedoreprezentowanym w kohortach badań nad demencją.

Algorytm ocenił ponad 700 cech akustycznych i językowych wyekstrahowanych z testów mowy i pamięci. Uczestnicy wykonywali zadania takie jak opisywanie obrazów i filmów, wymienianie słów według kategorii oraz opowiadanie historii. System analizował tempo mowy, czas trwania pauz, ton, ekspresję emocjonalną, dobór słownictwa, precyzję semantyczną i strukturę dyskursu. Porównując szacowany przez algorytm biologiczny wiek głosu z wiekiem chronologicznym danej osoby, naukowcy obliczyli wskaźnik zwany luką wieku mowy.

Biomarkery a sprawność poznawcza

Uczestnicy zdrowi poznawczo wykazywali najmniejsze różnice między szacowanym wiekiem głosu a wiekiem chronologicznym, podczas gdy uczestnicy z diagnozą łagodnych zaburzeń poznawczych, choroby Alzheimera i otępienia czołowo-skroniowego wykazywali stopniowo coraz większe luki. Większe luki wieku mowy korelowały z niższymi wynikami w testach mierzących pamięć, uwagę, umiejętności językowe, funkcje wykonawcze i wykonywanie codziennych zadań. Wzorzec ten pozostawał spójny zarówno w przypadku ocen poznawczych niewerbalnych, jak i standardowych egzaminów ustnych. Te wskaźniki głosowe były również zgodne z fizycznymi biomarkerami starzenia, w tym wiekiem mózgu w neuroobrazowaniu, trzema zegarami epigenetycznymi śledzącymi modyfikacje chemiczne DNA oraz podwyższonym poziomem p-tau217 u pacjentów z chorobą Alzheimera.

Czynniki społeczno-ekonomiczne i ograniczenia kliniczne

Naukowcy zaobserwowali korelacje między przyspieszonym starzeniem się głosu a niekorzystnymi czynnikami społeczno-ekonomicznymi. Uczestnicy doświadczający trudności finansowych, braku bezpieczeństwa żywnościowego, ograniczonego dostępu do opieki zdrowotnej lub posiadający mniej lat formalnej edukacji często wykazywali wyższy wiek mowy w stosunku do ich wieku rzeczywistego. Oba zespoły badawcze wyjaśniły, że wyniki te nie stanowią bezpośrednich narzędzi diagnostycznych. Badanie Drexel zidentyfikowało związki statystyczne, a nie bezpośrednią przyczynowość, podczas gdy zegar mowy oparty na sztucznej inteligencji nie może przewidzieć, czy zdrowa osoba ostatecznie rozwinie demencję, zwłaszcza że wzorce głosowe zmieniają się pod wpływem stresu, zmęczenia i depresji.