声学分析显示在认知障碍筛查方面具有潜力
最新研究显示,通过分析常规医患对话的声学特征,可以有效识别认知障碍。研究人员对初级保健就诊期间收集的音频记录进行分析,发现基于声学语音特征训练的机器学习模型能够区分有认知障碍和无先前诊断的患者。研究对966名参与者进行了评估,其中21%存在认知障碍。基于Whisper衍生声学特征的机器学习模型表现出最佳性能,诊断准确率达到AUROC 0.733。在外部验证队列中,该算法的阳性预测值为30.4%,敏感性为68.2%,特异性为63.6%,表明自然临床对话的简短片段包含与认知障碍相关的可测量声学信号,为被动式语音筛查提供了可行性。

