语音模式分析是早期发现神经退行性疾病最有前景的非侵入性方法之一。来自伊曼努尔·康德波罗的海联邦大学的研究团队推出了一种多模态神经网络,能够通过语音录音高精度识别认知障碍。

该技术主要面向患者的初步筛查。认知障碍(如痴呆症)在早期阶段常被误认为是普通疲劳或年龄相关变化。传统诊断需要耗时且昂贵的程序,而声音的声学参数——语调、语速、停顿、颤抖——早在明显临床症状出现之前就已发生变化。

算法如何工作

该系统基于一种多模态人工智能模型,可同时分析语音的语义内容和88个声学参数。神经网络处理音频文件时,会将其与包含健康人和确诊患者语音样本的数据库进行对比。

算法能识别关键障碍标志,并计算病理概率(0%至100%)。值得注意的是,训练过程中并未使用专业医学测试——主要重点放在声学特征上。

传统检查与神经网络分析的对比:

  • 评估基础:传统方法——患者回答内容;神经网络——文本语义+88个声学参数。
  • 工作速度:传统方法——医生长时间问诊;神经网络——自动即时处理。
  • 财务成本:传统方法——高昂;神经网络——极低。

局限性与计划

需要强调的是:该系统不作出最终诊断。它被设计为初步筛查工具,帮助医生更快做出临床决策。开发团队计划将该技术转化为成熟的医疗产品。为此需要收集大规模语音录音数据库——该大学已启动与顶级医院的合作项目。

研究结果已在第十五届新西伯利亚国际系统生物学多会议上展示。

专家观点:这正是人工智能不取代医生、而是提供全新工具的典型案例。在疾病尚未临床显现的阶段“听见”疾病的能力,从根本上改变了神经退行性疾病的预防方法。尤其宝贵的是,该技术无需复杂设备——只需智能手机和麦克风即可。