基于语音特征的帕金森病与多系统萎缩帕金森型的早期鉴别诊断
马凌燕1
曹杰2
陈仲略2
任康2
冯涛3
1.首都医科大学附属北京天坛医院神经病学中心运动障碍性疾病科,北京市 1000702.华中科技大学臻络科学神经系统疾病智能数字医疗技术中心,华中科技大学人工智能与自动化学院,湖北 武汉市 4300743.首都医科大学附属北京天坛医院神经病学中心运动障碍性疾病科,北京市 100070;国家神经系统疾病临床医学研究中心,北京市 100070
摘要：目的 基于语音信号分析和人工智能相结合的无创方法,实现帕金森病与多系统萎缩帕金森型(MSA-P)早期自动化鉴别诊断.
方法 2023年7月至2025年2月,于首都医科大学附属北京天坛医院运动障碍性疾病科招募病程<5年的MSA-P患者48例、帕金森病患者76例.设计11种语音任务范式,提取语音信号的声门、发声、构音、韵律、音系特征,以及基于表征学习提取的深度特征,通过数据驱动的方法筛选出最具鉴别力的特征,构建多种机器学习模型,实现对帕金森病与MSA-P患者的分类识别,选择鉴别效能最强的诊断模型.
结果 逻辑回归模型表现最佳.对病程<2年的早期患者,帕金森病与MSA-P间的分类准确率92.5%,精确率95.9%,召回率92.2%.在所有病程<5年的患者中,逻辑回归模型准确率89.1%,精确率91.6%,召回率92.4%.即使使用单一语音范式提取的特征进行分析,诊断准确率也可达77.7%.
结论 语音信号在帕金森病与MSA-P的早期鉴别诊断中具有重要的应用潜力.
关键词：帕金森病多系统萎缩语音分析机器学习鉴别诊断早期诊断
分类号：R742.5(神经病学与精神病学)
论文发表日期：2025-10-25
在线出版日期：2025-11-19（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1227-1233 )
英文信息