Automatisk stemmeanalyse til dysfagiscreening hos neurologiske patienter (VOICED)

Baggrund:

Oropharyngeal dysfagi, defineret som enhver ændring i synkeevnen under transporten af ​​mad eller væsker fra mundhulen til spiserøret, er en snigende komplikation af mange neurologiske sygdomme. Denne tilstand kan alvorligt føre til alvorlige komplikationer såsom underernæring, dehydrering og lungebetændelse, som samlet set har en enorm indflydelse på administrationsomkostninger og antallet af indlæggelsesdage. I denne sammenhæng er det vigtigt øjeblikkeligt at genkende risikofaktorerne og de første tegn på dysfagi for at træffe hurtige passende handlinger og anmode om yderligere kliniske og instrumentelle evalueringer. Hurtige, kvantitative og effektive dysfagiscreeningsmetoder er ikke tilgængelige i øjeblikket til at støtte sundhedspersonale. Til dato er det kun kliniske vurderingsskalaer eller dyre invasive tests, der kræver specialiseret personale, der er taget i brug i kliniske scenarier, hvorimod der stadig ikke er objektive værktøjer tilgængelige i eksterne hospitalssammenhænge til at advare patienter om risikosituationer.

Aktuelle huller i viden og mål:

Da orofaryngeal dysfagi er forårsaget af en svækket koordinationskontrol af synkemusklerne, og disse muskler også spiller en vigtig rolle i fonationsprocessen, kunne undersøgelse af stemmeændringer være en screeningsmulighed for at genkende dysfagi hos patienter med neurologiske sygdomme. I den aktuelle litteratur har automatisk stemmeanalyse og brug af maskinlæringsalgoritmer givet relevante resultater i skelnen mellem neurologiske sygdomme og raske forsøgspersoner, og der er også interessante foreløbige data om dysfagi. Målet med denne undersøgelse er at udvikle en maskinlæringsklassifikationsalgoritme til dysfagiscreening hos neurologiske patienter ved hjælp af automatisk stemmeanalyse.

Studieinddragelse:

Undersøgelsen involverer patienter med neurologiske sygdomme (Parkinsons sygdom, slagtilfælde, amyotrofisk lateral sklerose) med eller uden dysfagi og raske personer. Deltagerne bliver bedt om at udføre nogle vokalopgaver (vedvarende vokalfonation, diadokokinetiske opgaver, produktion af standardiserede sætninger, ytringsfrihed) i en enkelt eksperimentel session ved indskrivningen. Stemmeoptagelser vil automatisk blive videreført for at udlede akustiske stemmefunktioner, der bruges som input til maskinlæringsklassificeringsalgoritmen. Evalueringen af ​​deltagerne for at karakterisere den undersøgte prøve udføres med indsamling af anamnestiske og kliniske data.