摘要
日常言语分析或可揭示成年期执行功能的个体差异
研究目的：
自然言语的自动化分析已成为检测痴呆症认知衰退的有效工具，但极少用于研究正常衰老过程中的普通认知衰退。执行功能会随成年期持续衰退，却因练习效应难以纵向追踪，使基于言语的评估尤为适用。本研究探究了执行功能与言语特征的关联。
研究方法：
研究通过两项实验收集言语数据：实验一招募67名65-75岁健康老年人，实验二招募174名18-90岁健康成年人。参与者需描述复杂图片并完成执行功能评估。研究人员通过人工智能分析录音，提取包括停顿、填充词和时序模式在内的数百个细微言语特征。语言综合评分通过整合与病理性衰老相关的言语指标计算得出，言语主成分则从大型训练数据集中提取。在控制年龄、性别和教育水平的前提下，分析语言综合评分/言语主成分与执行功能的关联。
研究结果：
实验一显示，老年人言语不流畅程度（如找词困难）与执行功能显著相关。实验二进一步证实，言语不流畅不仅适用于65岁以上人群，更能解释成年期全程的执行功能个体差异。言语中的信息单元与连贯性虽与执行功能及蒙特利尔认知评估分数存在弱关联，但在多重比较校正后不再显著。
研究结论：
研究揭示了自然言语中找词能力与成年期全程执行功能的关联，支持将自然言语分析作为评估整体认知能力的便捷敏感工具。
研究人员发现，日常对话中的言语时序特征——包括停顿、填充词及细微模式——强烈反映执行功能，这一关键认知系统支撑着记忆与灵活思维能力。通过人工智能分析自然言语，该研究表明这些语言特征能独立于年龄、性别或教育水平预测认知测试表现。由于言语采集简便且无练习效应干扰，它为监测与痴呆症风险相关的早期脑部变化提供了可规模化追踪手段。研究凸显自然言语作为认知衰退早期检测与长期追踪的潜在工具价值。
关键事实
- 言语作为生物标志物：日常言语时序模式可预测成年期全程的执行功能
- 人工智能驱动洞察：机器学习模型检测出数百个与认知健康相关的细微语言线索
- 早期检测潜力：自然言语或可实现对痴呆症高风险人群的规模化监测
该研究由贝克斯特研究中心、多伦多大学与约克大学联合开展，首次证明自然言语模式与核心认知功能存在直接关联，为深入理解心智开辟新研究路径。研究建立在先前发现基础上——既往研究显示较快的语速与老年人思维保持相关（Wei et al., 2024）。
贝克斯特罗特曼研究所高级科学家、该研究资深作者杰德·梅尔策博士指出：“研究结果明确表明：言语时序不仅是表达风格问题，更是大脑健康的敏感指标。”本研究题为《自然言语分析可揭示成年期全程执行功能的个体差异》。
参与者被要求自主描述复杂图片，同时完成标准执行功能测试。人工智能分析识别出包括停顿、填充词和时序模式在内的数百个细微特征，这些特征能可靠预测认知测试表现，且经年龄、性别和教育水平校正后依然显著。
执行功能随年龄衰退且常在痴呆症早期受损，但传统测试因耗时长且易受练习效应（因熟悉度提升的表现改善）影响而难以追踪。相比之下，自然言语作为日常行为可重复、无干扰、规模化测量，还能以生态效度高的方式提供认知完整性的敏感指标——无需设定强制时限，而这恰恰是多数传统认知任务难以实现的。
鉴于自然言语分析的便捷性、实用性和敏感性，它成为重复评估的理想选择，可识别认知衰退速率异常且痴呆症风险较高的人群。梅尔策博士表示：“这项研究为开发追踪认知变化的工具奠定基础，这些工具未来或可用于临床甚至家庭环境。早期检测对任何治疗干预都至关重要，因为痴呆症涉及渐进性脑部退化，及早干预可能延缓进程。”
研究团队强调需开展纵向研究，通过长期追踪个体言语变化区分正常衰老与疾病早期迹象。他们指出，将自然言语分析与其他测量手段结合，可提升认知衰退早期检测的精准度与可及性。
资金支持：本研究获Mitacs Accelerate项目及加拿大自然科学与工程研究理事会（NSERC）资助。
关键问题解答：
问：自然言语如何关联大脑健康？
答：日常言语中的细微时序特征紧密追踪执行功能，这是认知完整性的核心指标。
问：为何言语是痴呆症早期检测的有效工具？
答：它能频繁、自然且无测试压力地测量，比传统任务更早揭示认知衰退。
问：人工智能分析发现了什么？
答：停顿、填充词和时序模式能可靠预测成年期全程的执行功能测试表现。
【全文结束】
