机构名称：
¥ 5.0
摘要。背景：语言是阿尔茨海默病临床信息的宝贵来源，因为它会与神经退化同时衰退。因此，语音和语言数据已在其诊断方面得到广泛研究。目标：首先，总结关于使用人工智能、语音和语言处理预测阿尔茨海默病背景下认知衰退的现有发现。其次，详细介绍当前的研究程序，强调其局限性并提出解决策略。方法：对 2000 年至 2019 年期间在 PROSPERO 注册的原始研究进行系统回顾（参考 CRD42018116606）。跨学科搜索涵盖了工程学（ACM 和 IEEE）、心理学（PsycINFO）、医学（PubMed 和 Embase）和 Web of Science 的六个数据库。相关论文的参考书目已筛选至 2019 年 12 月。结果：从 3,654 个搜索结果中，根据资格标准选择了 51 篇文章。四个表格总结了他们的发现：研究细节（目标、人群、干预措施、比较、方法和结果）、数据细节（规模、类型、模式、注释、平衡、可用性和研究语言）、方法学（预处理、特征生成、机器学习、评估和结果）和临床适用性（研究意义、临床潜力、偏倚风险和优势/局限性）。结论：几乎所有 51 项研究都报告了有希望的结果，但很少有研究在临床研究或实践中实施。该领域的主要局限性在于标准化程度低、结果可比性有限以及研究目标与临床应用之间存在一定程度的脱节。积极尝试缩小这些差距将有助于将未来的研究转化为临床实践。
人工智能、语音和语言处理...
主要关键词
相关文件推荐
