机构名称：
¥ 1.0
摘要：目前尚无简单、广泛可用的阿尔茨海默病 (AD) 筛查方法，部分原因是 AD 的诊断很复杂，通常涉及昂贵且有时是侵入性测试，而这些测试在高度专业化的临床环境之外并不常见。在这里，我们开发了一个人工智能 (AI) 驱动的端到端系统，用于检测 AD 并直接从语音记录中预测其严重程度。我们系统的核心是预先训练的 data2vec 模型，这是第一个适用于语音、视觉和文本的高性能自监督算法。我们的模型在 ADReSSo（仅通过自发语音识别阿尔茨海默氏症痴呆症）数据集上进行了内部评估，该数据集包含描述 Cookie Theft 图片的受试者的语音记录，并在 DementiaBank 的测试数据集上进行了外部验证。AI 模型可以在保留和外部测试集上分别以平均曲线下面积 (AUC) 0.846 和 0.835 检测 AD。该模型经过了良好的校准（Hosmer-Lemeshow 拟合优度 p 值 = 0.9616）。此外，该模型可以仅根据原始语音记录可靠地预测受试者的认知测试分数。我们的研究证明了使用人工智能驱动的端到端模型直接基于语音进行早期 AD 诊断和严重程度预测的可行性，并展示了其在社区环境中筛查阿尔茨海默病的潜力。
利用人工智能实现阿尔茨海默病的端到端语音检测和评估
主要关键词
相关文件推荐
