据UT西南医学中心的一名研究人员称，能够捕捉到病人声音的细微变化的新技术可能会帮助医生在症状开始显现之前诊断出认知障碍和阿尔茨海默病，该研究发表在阿尔茨海默病协会的出版物《诊断、评估和疾病监测》上。

"我们的重点是识别细微的语言和音频变化，这些变化存在于阿尔茨海默病的早期阶段，但不容易被家庭成员或个人的初级保健医生识别出来，"UT西南大学小彼得-奥唐纳脑科研究所的神经学教授、医学博士Ihab Hajjar说。

研究人员使用先进的机器学习和自LJYabfqq然语言处理（NLP）工具来评估206人的语言模式--114人符合轻度认知衰退的标准，92人未受影响。然后，研究小组将这些发现与常用的生物标志物进行对比，以确定它们在测量损伤方面的功效。

参加亚特兰大埃默里大学研究项目的研究人员在被要求记录对艺术品的1至2分钟的自发描述之前，接受了几个标准的认知评估。

Hajjar博士说："录制的图片描述为我们提供了一种近似的对话能力，我们可以通过人工智能来研究，以确定语言运动控制、想法密度、语法复杂性和其他语言特征。"

研究小组将参与者的语音分析与他们的脑脊液样本196世界之最和核磁共振扫描进行了比较，以确定数字语音生物标志物检测轻度认知障碍和阿尔茨海默病状态和进展的准确性。

"在机器学习和NLP发展之前，对患者的语音模式进行详细研究是非常耗费精力的，而且往往不成功，因为早期阶段的变化往往是196世界之最人耳无法察觉的，"Hajjar博士说。"这种新颖的测试方法在检测那些有轻度认知障碍的人方面表现良好，更具体地说，在识别有阿尔茨海默病证据的病人方面表现良好--即使在使用标准认知评估不能轻易发现的情况下。"

在研究过程中，研究人员花了不到10分钟的时间捕捉病人的语音记录。传统的神经心理学测试通常需要几个小时来进行。

Hajjar博士说："LJYabfqq如果被更大规模196世界之最的研究证实，使用人工智能和机器学习来研究声乐录音可以为初级保健提供者提供一个易于执行的高危人群筛查工具。更早的诊断将使患者和家庭有更多的时间来计划未来，并使临床医生在推荐有希望的生活方式干预方面有更大的灵活性。"