Spraakalgoritmen voor het opsporen van de ziekte van Parkinson

Een Britse wiskundige hoopt dat hij dat kan versnellen van de diagnose van de ziekte van Parkinson met een goedkope test die algoritmen voor spraaksignalen verwerkt hij ontwikkelde zich aan de universiteit van Oxford in het Verenigd Koninkrijk.
Ziekte van Parkinson is een progressieve, verwoestende neurologische aandoening die moeilijk en langzaam te diagnosticeren is: er zijn momenteel geen laboratoriumtests of biomarkers die een definitieve diagnose van de aandoening kunnen stellen, die wereldwijd meer dan 6 miljoen mensen treft.
De Britse wiskundige is Max Little, momenteel verbonden aan het Massachusetts Institute of Technology (MIT), Boston, VS, waar hij een Wellcome Trust-MIT Postdoctoral Research Fellow is.
Weinig heeft het over hoe zijn algoritmen kunnen helpen bij het herkennen van symptomen van Parkinson bij de opening van de TEDGlobal-conferentie, die deze week in Edinburgh, Schotland wordt gehouden. TED (Technology, Entertainment and Design) is een non-profitorganisatie die innovators onder de 40 jaar ondersteunt en stimuleert.

algoritmes

Little, die begon aan zijn carrière-schrijfsoftware, signaalverwerkingsalgoritmen en muziek voor videogames, ontdekte tijdens zijn promotie aan Oxford, die stem wordt evenzeer aangetast door de beweging van Parkinson als ledemaat, en de symptomen van de ziekte kunnen worden opgespoord door te analyseren spraaksignalen met behulp van computeralgoritmen.
In een interview gerapporteerd door de BBC beschrijft Little hoe de algoritmen werken:
"Dit is machine learning, we verzamelen een grote hoeveelheid gegevens wanneer we weten of iemand de ziekte heeft en we trainen de database om te leren hoe we de echte symptomen van de ziekte kunnen onderscheiden van andere factoren."
Hij zei dat er een aantal redenen zijn waarom stempatronen veranderen, zelfs roken of alleen maar verkouden kan ze veranderen, evenals keeloperaties.

Maar hij denkt dat de algoritmen in staat zullen zijn om het verschil tussen deze oorzaken en de ziekte van Parkinson te ontdekken.
Hij zei dat het verfijnder is dan het proberen een bepaalde trilling in de stem te herkennen. De algoritmen houden ook rekening met andere maatregelen die de tremor in de juiste context plaatsen, ook als de patiënt verkouden is of als er andere symptomen aanwezig zijn.
Uit het spraakpatroon berekenen de algoritmen een eenvoudige "dysfonie" -maatstaf voor de ernst van de symptomen van Parkinson op een standaard klinische schaal die door artsen wordt gebruikt (de UPDRS, of Unified Parkinson's Disease Rating Scale).
Samen met zijn student Athanasios Tsanas in Oxford toonde Little dat het mogelijk was om vanuit niet-invasieve spraakopnames de symptomen van Parkinson op de UPDRS-schaal te voorspellen "met een paar procent fout".

In een paper eerder dit jaar gepubliceerd in IEEE-transacties op biomedische technologie, Little, Tsanas en collega's beschrijven een onderzoek waarin ze de nauwkeurigheid van sommige van de nieuwe algoritmen testten bij het onderscheiden van Parkinson's Disease (PD) -patiënten van gezonde controles.
In totaal berekenden ze 132 "dysphonia-metingen" van aanhoudende klinkergeluiden en met behulp van een database van 263 monsters van 43 personen, toonden ze aan dat vier subsets van de algoritmen "beter presteren dan de nieuwste resultaten" en bijna "99 % algemene nauwkeurigheid van de classificatie met slechts tien dysphonia-functies ".
"We vinden dat enkele van de recent voorgestelde dysfonie-maatregelen bestaande algoritmen aanvullen om het vermogen van de classifiers om gezonde controles te onderscheiden van PD-patiënten te maximaliseren.We zien deze resultaten als een belangrijke stap naar niet-invasieve diagnostische beslissingsondersteuning bij PD," schrijven ze.
Kleine en collega's willen nu de reikwijdte van hun onderzoek openen om meer stemmonsters op te nemen.

Enorme database met stemmen

Little, die een TED Fellow is, gebruikt zijn TEDGlobal-platform om uit te nodigen vrijwilligers om in te bellen en een opname van 3 minuten van hun stem bij te dragen, zodat hij en zijn collega's een enorme database van 10.000 spraakmonsters kunnen bouwen om de algoritmen te testen en te verfijnen.
De database maakt deel uit van de Parkinson's Voice Initiative (PVI), wat zou kunnen leiden tot aanzienlijke verbeteringen in de zorg voor patiënten met de ziekte van Parkinson, zoals het drastisch verminderen van klinische bezoeken voor controles, het verbeteren van individuele behandelbeslissingen en het helpen versnellen en verminderen van de kosten van het werven van grote aantallen vrijwilligers bij onderzoeken naar nieuwe behandelingen.
Kleine en collega's hopen ook dat het initiatief zal leiden tot screeningprogramma's op populatieschaal die zullen helpen bij het zoeken naar vroege biomarkers die de tekenen van Parkinson waarnemen voordat onherstelbare schade wordt aangericht.
Het project is op zoek naar stemmen van mensen, inclusief mensen die geen Parkinson hebben, die bereid zijn een paar minuten van hun tijd anoniem, anoniem, telefonisch bij te dragen. De onderzoekers hebben telefoonnummers opgezet in 10 landen.
Geschreven door Catharine Paddock