一项由加州大学洛杉矶分校（UCLA）研究人员主导的新研究表明，语言反应时间（Verbal Reaction Time, VRT），即一个人做出语言反应所需的时间，可以作为检测老年人嗜睡程度的指标。该研究通过标准化认知评估获取参与者的语音数据，展示了VRT如何被动地检测过度嗜睡，特别是在使用镇静药物的老年人中。
这项题为“使用语音信号分析预测听觉认知测试期间的主观嗜睡”的研究已发表在期刊《睡眠科学与实践》（Sleep Science and Practice）上。
嗜睡是日常生活中安全风险的重要因素，但往往被低估或忽视，尤其在老年人中更为常见。过度嗜睡可能导致车祸、认知障碍和跌倒，尤其是那些使用苯二氮䓬类受体激动剂（BZRAs）等镇静药物的老年人。目前评估嗜睡的方法通常具有侵入性或在现实生活中不切实际。本研究提供了一种可扩展的方式来检测嗜睡，有助于在事故发生或健康状况恶化之前识别出高风险个体。
研究人员招募了年龄在55岁及以上、有失眠史和使用BZRA药物史的参与者，这些参与者来自一项减少药物使用的临床试验。参与者通过移动应用程序完成记忆测试，并录制了他们的语音反应。研究团队测量了语言反应时间（VRT），即从录音开始到说出第一个词之间的延迟，并将其与参与者自我报告的嗜睡程度进行比较。
随后，研究人员使用先进工具研究了人们开始说话的速度与他们感到嗜睡的程度之间的关系。他们还测试了计算机模型是否能根据语音准确预测某人的嗜睡程度。
模型成功地根据语音录音预测了参与者的自我报告嗜睡程度。那些在提示后开始说话所需时间更长的人也报告自己感觉更嗜睡。研究中使用的计算机模型能够准确识别不同水平的嗜睡，准确率达到F1-score 0.80 ± 0.08。（F1-score是衡量模型在准确性和一致性之间平衡程度的指标；1.0为完美，0表示失败。）
语音分析方法还能可靠地区分某人是否在说话，准确率达到92.5%。结果表明，语音时间可以作为一种低负担的方式来监测嗜睡——尤其是在临床环境之外。
“这项研究表明，仅仅通过一个人开始说话的速度就能告诉我们很多关于他们警觉性的信息，”该研究的主要作者、加州大学洛杉矶分校大卫·格芬医学院（David Geffen School of Medicine）和洛杉矶退伍军人医疗系统（VA Greater Los Angeles Healthcare System）的研究员Tue T. Te博士说。“这为在日常活动中使用语音作为被动、可扩展的嗜睡监测工具打开了大门。”
研究团队计划将这种方法扩展到更大、更多样化的人群，并探索将其整合到智能手机和远程医疗平台等日常技术中。未来的研究还可能调查基于语音的指标如何监测药物效果或检测认知能力下降的早期迹象。
更多信息：
Tue T. Te等，《使用语音信号分析预测听觉认知测试期间的主观嗜睡》，《睡眠科学与实践》（2025）。DOI: 10.1186/s41606-025-00141-y
由加州大学洛杉矶分校提供
【全文结束】
