帕金森病与多系统萎缩症早期阶段的声门语音气流功能表现

《Journal of Communication Disorders》：Speech glottal flow performance in early stages of Parkinson’s disease and multiple systems atrophy

　　

**摘要要点**

•帕金森病（PD）早期患者在持续或短促/a/元音发音中均未表现出声门气流障碍。
•多系统萎缩（MSA）早期患者在交替运动任务中的（短促）元音发音表现出声门气流障碍。
•特定的声门特征可作为早期阶段帕金森病与帕金森型多系统萎缩之间的区分性特征。

**引言**

帕金森病（PD）是一种神经退行性疾病，其特点是中脑多巴胺能神经元丢失以及神经元中错误折叠的α-突触核蛋白积累。非典型帕金森综合征（APD）是一组罕见且进行性发展的神经退行性疾病，其表现与PD相似，但通常对左旋多巴治疗反应不佳（Stamelou & H?glinger, 2013）。多系统萎缩（MSA）属于后者，预后较差。PD与MSA的区别在于后者具有更广泛的神经退行性过程，累及小脑、自主神经和锥体系统（Poewe等, 2022）。MSA有两种亚型：小脑型MSA-C和帕金森型MSA-P。临床诊断标准依赖于症状和影像学特征的存在，而MSA的确切诊断需要通过神经病理学检查进行死后确认（Wenning等, 2022）。PD与MSA-P症状的相似性使得区分这两种疾病非常困难，至少在疾病早期阶段如此（Poewe等, 2022）。尽管近年来在脑部影像和生物流体分析方面取得了进展（Poewe等, 2022），但目前尚未验证任何生物标志物用于鉴别诊断。因此，迫切需要此类生物标志物以提高诊断准确性。准确的早期诊断对于预后指导和治疗开发确实至关重要（Bendetowicz等, 2024）。

构音障碍的客观评估，作为一类运动性言语障碍，因其在开发基于自动语音处理的数字生物标志物以辅助PD与APD鉴别诊断方面的应用前景而引起了日益增长的关注。这背后的动机在于，大多数PD和APD患者在疾病早期阶段即出现构音障碍（Duffy, 2019）。PD患者主要表现为肌张力低下性构音障碍，其特征为发声强度降低、单调音高、单调响度、辅音不清晰以及言语急促（Darley等, 1975）。相比之下，MSA通常表现为混合性构音障碍，包括肌张力低下性和小脑性成分，后者反映了小脑受累，表现为音高变异性增加、时间不规则、协调缺陷、扫描式言语和韵律破坏（Duffy, 2019; Freed, 2023）。

因此，在过去几十年中，PD语音的客观评估已被广泛探索，研究数量大幅增长，尤其是随着深度学习的语音基础模型的整合（Favaro等, 2023）。近期综述可参见Cao等（2025）、Hecker等（2022）、Moro-Velazquez等（2021）、Sheikh等（2025b）、Xavier等（2025）。与PD相比，APD语音客观评估的探索更为近期，且吸引力日益增加（Daoudi等, 2026; Daoudi等, 2021; Daoudi等, 2022; Daoudi等, 2024; Das, 2021; Das等, 2019; Hlavnicka, 2018; Hlavni?ka等, 2017; Huh等, 2015; Kang等, 2023; Kowalska-Taczanowska等, 2020; Li等; Miller等, 2017; Rusz等, 2015; Rusz等, 2019; Saxena等, 2014; Skodda等, 2011; Subert等, 2025）。

与此同时，病理语音评估的更广泛领域越来越多地纳入了高维声学特征集和统计学习框架，相关综述可参见Hegde等（2019）、Idrisoglu等（2023）、Ramanarayanan等（2022）。更近期，源自深度神经网络和自监督学习范式的嵌入方法已成为健康相关语音分析的有力工具（Cummins等, 2018）。这些方法将语音信号编码为紧凑表示，捕获说话人无关的信息和病理相关信息，在疾病检测（Tirronen等, 2023）和严重程度估计（Javanmardi等, 2024）等任务中显示出良好前景，近期综述可参见Sheikh等（2025a）。尽管取得了这些进展，但大多数此类研究侧重于整合来自言语产生多个子系统（包括呼吸、构音、发声和韵律）信息的整体语音表示。虽然这些方法在分类方面有效，但往往缺乏对特定生理机制的可解释性。

在PD中，发声子系统已得到广泛研究（Liu等, 2023; Moro-Velazquez等, 2021）。也有许多研究报告了MSA语音中的发声表现（Daoudi等, 2022; Rusz等, 2019及其参考文献）。这些研究主要基于对持续发音的分析，其中说话者发出持续的元音，通常是元音/a/（Romero-Arias等, 2023）。后者主要通过扰动度量（如微扰、闪度和谐波噪声比HNR）或/和倒谱度量（Ngo等, 2022）进行分析。特别是，后者已被证明在评估发声障碍和构音障碍语音中高度相关（Xavier等, 2025）。例如，倒谱峰值突出度（CPP）（Fraile & Godino-Llorente, 2014）已被纳入ASHA的"发声障碍仪器评估推荐方案"中（Patel, 2018）。然而，它们的计算基于对录音信号时频表示的分析，而该信号由除韵律外的所有产生子系统共同贡献（Duffy, 2019）。虽然对子系统的交叉分析在临床上至关重要，但这些测量并不能保证仅反映发声子系统的表现。

将分析限制在声带产生的唯一发声成分的一个吸引人的且互补的替代方案是考虑声门气流（Drugman等, 2014）。声门气流也被称为声门信号或源信号，是声带（位于喉部）在肺压作用下产生的气流激励信号（见图1）。尽管声门气流本质上是一种空气动力学信号，反映了呼吸与发声之间的交互作用，但它常被用作声带振动动力学的替代指标（Kadiri等, 2021）。本文重点关注声门气流分析，因为它提供了更针对发声子系统的视角，有望产生具有生理意义的生物标志物，辅助PD与APD的早期鉴别。

尽管获取声门气流的真值在技术上极具挑战性，但可以通过所谓的声门源逆滤波（GSIF）从语音信号中估计（Alku, 2011）。后者是一个已被广泛研究的领域（Kadiri等, 2021），其中最流行且有效的方法之一是迭代自适应逆滤波（IAIF）（Alku, 1992）。已提出了多种特征来参数化估计的声门信号，可分为时域和频域特征（Alku, 2011; Drugman等, 2014; Kadiri等, 2021）。

已有几项研究探讨了病理语音中的声门气流表现（Kadiri & Alku, 2020; Narendra & Alku, 2020）。例如，结合其他声学特征，声门特征已成功应用于基于语音的多种病理评估，如语音病理检测（Gómez-Vilda等, 2009; Tirronen等, 2023; Wu等, 2021）、心力衰竭（Reddy等, 2021）、抑郁症（Simantiraki等, 2017）、声带小结（Szklanny & Wrzeciono, 2019）和COVID-19（Deshmukh等, 2021）。声门特征也已被成功应用于神经疾病中构音障碍的评估，包括肌萎缩侧索硬化症和脑瘫（Javanmardi等, 2024），以及更为突出的PD研究（álvarez等, 2020; Belalcazar-Bola?os等, 2015; Belalcazar-Bola?os等, 2016; Corcoran等, 2019; Gómez-Rodellar等, 2020; Hanratty等, 2016; Kadiri等, 2023; Liu等, 2023; Narendra & Alku, 2020; Narendra等, 2021; Novotny等, 2020; Reddy & Alku, 2023; Vasquez等, 2021）。在PD研究中，除一项外，所有研究均分析了疾病严重程度从轻度到重度、病程从中度到长期的PD患者群体。人口统计学数据和处理方法上的这种异质性导致了不一致的发现。仅有一项研究专门针对早期阶段PD（Novotny等, 2020）。该研究考察了一组40名男性新发未治疗PD患者，平均病程为1.5 ± 1.3年，进行/a/元音的持续发音。

据我们所知，尚无先前的研究探讨过APD。本工作是对MSA语音（以及APD总体上）声门气流行为的开创性研究。我们的目标是评估声门气流表现作为早期阶段PD与MSA-P之间区分线索的效用/潜力。我们旨在（i）将传统声门气流分析扩展到MSA-P，（ii）聚焦于疾病早期阶段，（iii）比较传统持续发音与更具动态性的言语任务。我们首先调查了传统持续发音任务中的声门气流表现。鉴于Novotny等（2020）是唯一在该任务中使用早期阶段PD的研究，我们遵循了Novotny等（2020）的声门气流分析程序，即在持续/a/上计算四个广泛使用的声门特征（2个时域和2个频域），并进行单独的统计分析。然后我们调查了交替运动任务中的声门气流行为。交替运动任务已被设计并通常专门用于评估构音子系统的表现。已证明它是区分健康对照组与PD以及PD与MSA之间最合适的任务之一（Kent等, 2021）。令人惊讶的是，尽管交替运动语句的声门气流分析提供了对传统使用持续/a/分析发声子系统的吸引人的互补视角，但尚未被（直接）研究。确实，它涉及在辅音-元音构音环境中重复产生（自然的）短促/a/。因此，它提供了在构音子系统也参与的情况下研究非持续/a/声门气流的可能性。我们分析了两个广泛使用的交替运动任务中声门气流的表现：交替运动率（AMR），即/pa/音节的重复；顺序运动率（SMR），即/pataka/音节序列的重复。同时使用AMR和SMR任务的动机在于它们不同的构音要求。AMR主要评估重复构音速度，而SMR涉及构音器之间的顺序协调（Kent等, 2021）。我们假设这些差异将揭示发声实现中的不同模式。

总体而言，本研究的假设为：（1）持续发音的声门气流将显示出有限的区分能力；（2）早期阶段PD不会出现显著的声门障碍；（3）交替运动任务中的短促发音将揭示MSA-P中的独特声门气流改变。本文的组织结构如下。语音数据库和分析工具在下一节中描述。结果和讨论分别在第3节和第4节中呈现。局限性和未来工作在第5节中给出。本文以第6节的结论结束。

**节选片段**

**参与者**

本研究招募了92名法语母语参与者。34名患者（8名女性和26名男性）被诊断为PD（平均年龄63.7 ± 7.1岁，平均病程3.9 ± 2.3年）。27名受试者（13名女性和14名男性）被诊断为MSA-P（平均年龄63.7 ± 7岁，平均病程4.3 ± 2.1年）。检查时，患者处于多巴胺能药物治疗下的稳定"开期"状态。神经科医生（运动障碍专家）

**持续发音任务**

对于每个使用/a/元音持续发音计算的特征，表1展示了每组的均值和标准差，以及组间差异统计检验得出的p值。结果显示，4个声门特征均未在健康对照组与PD组之间产生显著差异（MSA-P与PD之间亦然）。

更重要的是，健康对照组（HC）和 MSA-P 组之间未发现差异。DDK-SMR 任务表 2 展示了特征均值和标准差沿
讨论 在本研究的第一部分，我们调查了一种传统的声门气流扰动评估（GFPA）方法，以评估相关声学指标在帕金森病（PD）和多系统萎缩伴帕金森综合征（MSA-P）之间的判别能力。遵循唯一一项报告早期 PD 语音声门气流的研究（Novotny 等人，2020），该方法包括计算和比较从元音/a/的持续发音中提取的四个常用声门特征的描述性统计量。单变量统计
局限性与未来工作 尽管本研究取得了令人鼓舞的发现，但它存在几个局限性。首先，分析局限于一组相对较少的传统声门特征（QOQ、NAQ、H1H2、HRF）。虽然这些特征被广泛使用且具有生理可解释性，但它们仅提供了声门气流的局部表征。更广泛和更连贯的特征库将提供更全面的声门气流性能评估。其次，本研究依赖于单个
结论 我们对持续和短时/a/的 GFPA 传统方法进行了评估，这些发音产生于两个 DDK 任务中，旨在评估相关声门气流特征在早期 PD 和早期 MSA-P 之间的潜在判别能力。使用持续/a/时，分析显示 MSA-P 和 PD 均未表现出偏差。另一方面，分析显示，在进行 DDK 任务时，MSA-P 组表现出声门气流产生受损，而 PD 组没有
CRediT 作者贡献声明 Khalid Daoudi：撰写 - 原稿、可视化、验证、监督、软件、资源、项目管理、方法论、调查、资金获取、形式分析、数据整理、概念化。Farouk Yahaya：撰写 - 审查与编辑、软件、方法论、调查、形式分析。Solange Milhé de Saint Victor：资源、调查、数据整理。Alexandra Foubert-Samier：撰写 - 审查与编辑、资源、调查、数据整理。利益冲突声明 作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能被认为会影响本报告中所述的工作。Khalid Daoudi|Farouk Yahaya|Solange Milhé de Saint Victor|Alexandra Foubert-Samier|Margherita Fabbri|Anne Pavy-Le Traon|Olivier Rascol|Clémence Devoucoux|Virginie Woisard|Wassilios G. Meissner