人工智能语音分析系统在帕金森病诊断中的一项探索性临床研究

发布时间：2024-04-14 00:59

　　目的通过人工智能技术构建汉语的帕金森病(Parkinson’s disease,PD)语音辅助诊断系统,并应用临床上新收集的数据验证该系统在PD患者尤其是在轻症PD患者中的诊断效能。方法连续收集2018年1～12月解放军总医院PD专病门诊临床确诊的PD患者100例(PD1组),并以Hoehn-Yahr(H-Y)分级2.5级为界将PD1组分为轻症72例,中重症28例,另选择同期健康对照者100例(对照1组)。连续收集2019年1～10月解放军总医院PD专病门诊临床确诊的PD患者76例(PD2组),并以H-Y 2.5级为界分为轻症54例,中重症22例;另选择同期健康体检者77例(对照2组),所有研究对象分别采集持续5 s的元音[a]、[o]、[i]语音数据,并提取每种语音的特征参数及人工智能机器学习训练,最终优化建立PD语音识别模型,并对该模型的诊断效果进行评价。结果 PD1组轻症与中重症患者年龄和性别比较,差异无统计学意义(P>0.05)。在判断PD2组与对照2组发音[o]构建模型的AUC明显高于[a]和[i]构建模型的AUC(P<0.01)。在判断PD2组轻症与对照2组发音...

【文章页数】：6 页

【部分图文】：

图1PD2组与对照2组[a]发音模型的ROC曲线

在判断PD2组与对照2组发音[o]构建模型的AUC明显高于发音[a]和发音[i]构建模型的AUC[0.902(95%CI:0.850～0.953)vs0.767(95%CI:0.690～0.845)、0.766(95%CI:0.686～0.846),P<0.01,图1]。在判....

图2PD2组轻症与对照2组[o]发音模型的ROC曲线

在判断PD2组轻症与对照2组发音[o]构建模型的AUC明显高于发音[a]和发音[i]构建模型的AUC[0.908(95%CI:0.855～0.961)vs0.739(95%CI:0.648～0.829)、0.759(95%CI:0.671～0.846),P<0.01,图2]。....

图3PD2组中重症与对照2组[i]发音模型的ROC曲线

图2PD2组轻症与对照2组[o]发音模型的ROC曲线2.33个语音模型的诊断效能比较

本文编号：3953878