基于智能手机的远程口语语言筛查预测亨廷顿病的临床标志物

《Journal of Neural Transmission》:Remote smartphone-based spoken language screening predicts clinical markers in Huntington’s disease

【字体: 大 中 小 】 时间:2026年05月15日 来源:Journal of Neural Transmission 4

编辑推荐:

  亨廷顿病(HD)症状的评估和监测仍然局限于不频繁的、基于诊所的评估。研究人员评估了通过智能手机记录的语言任务的全自动语言分析是否能远程捕获HD严重程度的核心临床标志物。在这项横断面、多中心、跨越捷克和德国不同站点的研究中,53名参与者(包括30名HD患者(9名

  
亨廷顿病(HD)症状的评估和监测仍然局限于不频繁的、基于诊所的评估。研究人员评估了通过智能手机记录的语言任务的全自动语言分析是否能远程捕获HD严重程度的核心临床标志物。在这项横断面、多中心、跨越捷克和德国不同站点的研究中,53名参与者(包括30名HD患者(9名前驱症状、3名前兆和18名症状性)和23名健康对照)完成了基于智能手机的语言评估,包括连续7天的自发独白和童话故事复述。录音被自动转录,并使用自然语言处理(NLP)进行分析,以得出3个词汇特征和3个句法特征。基于统一亨廷顿病评定量表(UHDRS)和认知量表的临床结果预测模型是使用带交叉验证的多元线性回归构建的。语言特征以高预测性能预测了HD在多个领域的严重程度,最多可解释认知表现(cognitive performance)方差的57%、运动障碍(motor impairment)的63%和功能能力(functional capacity)的59%。独白任务中位数6天、复述任务中位数3天的录音足以达到最大预测性能的90%。与对照组相比,HD参与者在两项任务中均表现出词汇范围(vocabulary range)缩小和短语重复(phrase repetition)增加(p< 0.05),此外在独白任务中还存在句子长度(sentence length) (p= 0.018) 和句法复杂度(syntactic complexity) (p= 0.004) 的特异性缺陷。对基于智能手机语言评估的全自动分析可以远程量化HD的认知、运动和功能损伤,为临床试验和分散式监测提供了一个可扩展的、低负担的数字生物标志物。
论文解读:基于智能手机的远程口语语言筛查预测亨廷顿病临床标志物
一、 研究背景与目的
亨廷顿病(Huntington's disease, HD)是一种由亨廷顿蛋白(HTT)基因中胞嘧啶-腺嘌呤-鸟嘌呤(CAG)三核苷酸异常扩增引起的严重遗传性神经退行性疾病,导致进行性的运动、认知和行为障碍。目前,针对其病理生理学的治疗努力正在进行,但有效的疾病修正疗法仍在研发中。因此,敏感且可扩展的生物标志物对于早期检测、精确监测疾病进展和评估新兴疗法至关重要。当前的临床实践中,临床症状主要通过统一亨廷顿病评定量表(Unified Huntington's Disease Rating Scale, UHDRS)进行监测。然而,该评估需要高水平专业知识,且常受限于评估者间信度不一。此外,依赖面对面测试耗时、昂贵,且对细微或短期变化不敏感,凸显了对适用于远程监测的、客观、低负担数字生物标志物的迫切需求。
语言产生是一项复杂的整合功能,涉及皮质-皮质下回路,特别是纹状体和前额叶区域,这些区域在HD中尤其易损。细微的语言变化,如词汇多样性降低、重复增加和句法结构简化,可能先于运动症状出现,并反映跨认知和运动领域的早期退化。然而,先前的大多数研究依赖于基于实验室的评估和部分手动注释,限制了其可扩展性和频繁监测的可行性。自动语音识别(Automatic Speech Recognition, ASR)和自然语言处理(Natural Language Processing, NLP)的最新进展使得能够直接从原始语音进行全自动语言分析,无需人工干预。然而,基于智能手机的语音全自动分析能否捕捉主要HD症状中有临床意义的变化,仍需探究。此外,确定实现最佳筛查性能所需的最短录音时长,以及评估不同自发语言任务对HD患者在真实世界中的难度,对于深入了解智能手机监测也至关重要。为此,这项多语言(捷克语和德语)的多中心研究,旨在确定全自动语言分析是否能够预测HD基因携带者的标准临床测量结果。
二、 主要研究方法概览
研究人员开展了一项横断面、多中心研究,招募了来自捷克和德国站点的53名参与者,包括30名经基因确诊的HD患者(根据UHDRS诊断置信度分为不同阶段)和23名人口统计学匹配的健康对照。所有HD患者均接受了一系列标准化的UHDRS临床评估,包括总功能能力、总运动评分以及多项认知测试。核心的语言数据收集通过一款安装在统一型号智能手机(HONOR 9X Lite)上的定制应用程序完成,参与者在家连续7天完成两项语言任务:自发独白(回答预设问题以产生至少90秒连续语音)和故事复述(听完一个约90秒的童话故事后进行复述)。所有录音使用Whisper ASR系统自动转录,并通过自然语言处理工具包(stanza)进行自动分析和标注,提取了3个词汇特征和3个句法特征,包括:词汇范围、短语模式、现实参照率、句子长度、句子发展程度和句法复杂度。统计分析主要采用协方差分析和带留一法交叉验证的多元线性回归模型,以评估语言特征对临床结果的预测性能,并确定达到稳定预测所需的最少录音天数。
三、 研究结果
1. 预测临床标志物的语言特征
语言特征能有效预测HD的核心临床指标。在独白任务中,语言特征可预测运动障碍(UHDRS-TMS;解释方差R2= 0.57)和功能能力(UHDRS-TFC;R2= 0.51)。处理速度和执行功能的认知测量也得到了中等到强的预测(R2= 0.31–0.57)。CAG重复长度也得到了适度预测(R2= 0.28)。在复述任务中,预测性能最高的是运动衰退(UHDRS-TMS;R2= 0.63)和功能能力(UHDRS-TFC;R2= 0.59)。认知处理速度和执行功能测量也得到了中等预测性能(R2= 0.18–0.55)。CAG重复长度也得到了中等预测(R2= 0.38)。而简易精神状态检查(Mini-Mental State Examination, MMSE)的预测性能在两个任务中均较低。稳定性分析显示,独白任务中位数6天、复述任务中位数3天的录音足以达到最大预测性能的90%。当在包含人口统计学变量和诊断置信度(DCL)的模型中进一步加入语言特征时,对大多数临床结果的预测性能均有显著提升,表明语言特征提供了超出单纯运动诊断置信度的补充信息。
2. 基于语言特征的组间差异
与健康对照组相比,HD患者在多项语言特征上表现出显著异常。在独白任务中,HD患者的词汇范围缩小、短语模式(重复)增加、句子长度缩短、句法复杂度降低。在复述任务中,HD患者同样表现出词汇范围缩小和短语模式增加。这些差异在控制年龄、性别和语言后仍然显著,并且在捷克语和德语参与者中未发现显著的组别与语言交互作用,表明所识别的语言异常具有跨语言一致性。
3. 两种语言任务的比较
两种任务各有优势。复述任务在不同录音日间的稳定性更高,在11个评估的临床量表中有9个需要更少的录音天数即可达到稳定性阈值(中位数3天),这可能是由于任务标准化程度更高。独白任务则引发了更自发的言语,能更好地捕捉自然语言模式,特别是在句法特征(句子长度和复杂度)上能更好地区分HD患者与健康对照。独白任务对执行功能相关测试的预测性能也更高。
四、 讨论与结论
本研究证明了,对通过智能手机在家无监督记录的语音进行全自动语言分析,能够捕捉HD中具有临床相关性的标志物。源自简短语言任务的语言特征能够预测包括认知表现、运动障碍和功能能力在内的核心临床结果,解释方差最高可达63%。这表明数字语言指标可以作为远程评估疾病严重程度的稳健生物标志物,捕获通常反映在金标准临床量表中的信息,同时还能提供与高阶语言产生相关的互补性、非重叠性标志。HD患者在词汇和句法领域均表现出显著的语言异常,且结果在捷克语和德语使用者中一致。语言特征的严重程度甚至与核心生物学标志物CAG重复长度存在关联,支持了其作为监测疾病进展和治疗效果的潜在数字生物标志物的价值。
本研究的局限性包括样本量相对较小,需要在更大的队列中进行验证;参与者使用了统一的智能手机型号,未来需评估不同设备的普适性;以及队列包含了不同的疾病阶段,需要阶段特异性研究。
总之,这项初步研究结果表明,基于智能手机的全自动语言分析可以预测关键的临床标志物,并在两种语言中一致地区分HD患者与健康对照。这些发现表明,远程的、基于语言的监测可以作为传统临床评估的低负担补充。在确立其作为纵向疾病追踪和治疗评估的数字生物标志物效用之前,需要在更大的队列中进行进一步验证。本研究发表于《Journal of Neural Transmission》。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号