تغییر در نحوه گفتار؛ زنگ خطر بروز پارکینسون

بیماری پارکینسون(PD) دومین بیماری شایع تخریب کننده عصبی است. مکانیسم‌های بیماری‌زایی این بیماری متغیر است و هنوز به طور کامل شناخته نشده است. این بیماری خود را با طیف گسترده‌ای از علائم حرکتی و غیرحرکتی از جمله علائمی که مستقیماً بر توانایی و عملکرد فرد تأثیر می‌گذارد، نشان می‌دهد.

در این مطالعه «رایتیس ماسکلیناس» محقق لیتوانیایی از دانشگاه صنعتی کاوناس(KTU) و همکارانش از دانشگاه علوم بهداشت لیتوانی(LSMU) تلاش کردند تا با استفاده از داده‌های صوتی علائم اولیه بیماری پارکینسون را تشخیص دهد.

ماسکلیناس اظهار کرد که وقتی فعالیت حرکتی فرد کاهش می‌یابد، توانایی تارهای صوتی، دیافراگم و ریه‌ها نیز کاهش می‌یابد. تغییرات در گفتار اغلب حتی زودتر از اختلالات عملکرد حرکتی رخ می‌دهد، به همین دلیل است که تغییر در گفتار ممکن است اولین علامت این بیماری باشد.

افراد مبتلا به بیماری پارکینسون در مراحل اولیه ممکن است آرام‌تر، یکنواخت‌تر، کمتر رساتر، آهسته و تکه‌تکه صحبت کنند. تشخیص این امر از طریق گوش می‌تواند بسیار چالش برانگیز باشد. گرفتگی صدا، لکنت زبان، تلفظ ناصحیح کلمات و فقدان مکث بین کلمات ممکن است با پیشرفت بیماری بیشتر محسوس شود.

دانشمندان تمام این علائم را برای ایجاد سیستمی برای تشخیص زودتر بیماری در نظر گرفتند. آنها از هوش مصنوعی برای تجزیه و تحلیل و ارزیابی سیگنال‌های گفتاری استفاده کردند، جایی که محاسبات انجام می‌شود و تشخیص‌ها در چند ثانیه(به جای چند ساعت) انجام می‌شود.

نتایج این مطالعه به طور خاص برای ویژگی‌های زبان لیتوانیایی مناسب است. «کیپراس پیریبوسیس» از دیگر محققان مطالعه گفت: این مطالعه فقط بر روی بیمارانی انجام شد که قبلاً مبتلا به پارکینسون تشخیص داده شده بودند: رویکرد ما می‌تواند افراد مبتلا به پارکینسون را از افراد سالم تشخیص دهد. نمونه گفتار این الگوریتم همچنین دقیق‌تر از آنچه قبلاً پیشنهاد شده بود، است.

در این مطالعه ابتدا نحوه گفتار بیماران مبتلا به پارکینسون و افراد سالم با استفاده از یک میکروفن در یک اتاق عایق صدا ضبط شد و یک الگوریتم هوش مصنوعی با ارزیابی این صداهای ضبط‌ شده، به انجام فرایند پردازش سیگنال پرداخت.

این الگوریتم در نهایت می‌تواند به یک برنامه تلفن همراه تبدیل شود زیرا به سخت‌افزار پیچیده نیاز ندارد. ماسکلیوناس گفت: نتایج ما که منتشر شده است، پتانسیل علمی بسیار بالایی دارد. مطمئناً، هنوز یک راه طولانی و چالش برانگیز وجود دارد تا بتوان آن را به ابزاری برای استفاده بالینی روزانه به کار برد.

انتهای پیام