基于自然语言处理的精神分裂症语音分析：语言特征与认知状态的跨语言研究

《Schizophrenia》：Linguistic markers in schizophrenia patients with cognitive deficit: a machine learning study using Korean speech

　　

摘要

尽管精神分裂症（SZ）、形式思维障碍和认知之间的关系已被广泛研究，但关于哪些自动提取的语言特征与精神分裂症的认知状态相关，目前了解相对较少。我们分析了 88 名精神分裂症患者（37 名认知受损 (Cog-D) 和 51 名认知保留 (Cog-ND)）以及 69 名健康对照 (HC) 的语音样本中的词汇、句法、语义和情感特征。使用经韩语适配的自然语言处理 (NLP) 流程提取特征。使用锥体外系症状评定量表控制药物效应。进行了机器学习 (ML) 分类作为探索性分析。与认知保留组或健康对照组相比，认知受损患者的词汇丰富度、句法复杂性、语义连贯性和情感极性显著降低。机器学习模型的性能在外折平均性能和留出测试数据集的性能之间显示出差异。几种语言特征与症状严重度和语言表现相关。精神分裂症患者的语言障碍具有异质性，且与认知保留组相比，在认知受损组中更为明显。这些发现突出了基于 NLP 的语音分析在识别认知障碍方面的潜力，并支持了语言标记的跨语言泛化性。