近期，中國科學(xué)院合肥物質(zhì)院健康所李海研究員團隊在Behavior Research Method、Advanced Intelligent Systems、Dementia and Geriatric Cognitive Disorders和Computer Speech & Language等專(zhuān)業(yè)國際期刊上連續發(fā)表4篇文章，匯總展示了團隊在智能語(yǔ)言認知功能評估領(lǐng)域的工作進(jìn)展。 

　　語(yǔ)言是人類(lèi)獨有的一種高級認知能力，涉及復雜的抽象思維和精細的運動(dòng)控制。神經(jīng)系統疾病、衰老、腦損傷等會(huì )影響語(yǔ)言加工有關(guān)的神經(jīng)環(huán)路，對語(yǔ)言的產(chǎn)生和理解造成不利影響。言語(yǔ)活動(dòng)中的聲學(xué)和語(yǔ)言學(xué)特征是腦功能疾病和衰老的敏感標志物，同時(shí)，語(yǔ)言任務(wù)具有生態(tài)效度高，采集方便，能夠自動(dòng)化分析的優(yōu)點(diǎn)。因此，發(fā)展基于言語(yǔ)聲學(xué)分析的智能認知評估方法是當前智能健康研究領(lǐng)域的又一熱點(diǎn)，有助于開(kāi)展大規模神經(jīng)退行性疾病的快速社區篩查和干預，特別對應對人口老齡化帶來(lái)的認知衰退問(wèn)題有重要科研和社會(huì )價(jià)值。 

　　在此背景下，研究團隊經(jīng)過(guò)系統攻關(guān)，發(fā)展了一套標準化的語(yǔ)言認知測試套件和智能評估系統，并在健康人和不同類(lèi)型神經(jīng)性疾病群體上進(jìn)行了系統測試和驗證。具體如下： 

　　首先，團隊采用健康群體樣本評估了語(yǔ)言認知測試套件在7個(gè)認知任務(wù)和近百項言語(yǔ)聲學(xué)特征上的可重復性，為特征工程提供了基礎數據支撐。該項研究目前已經(jīng)在線(xiàn)發(fā)表在Computer Speech & Language上，第一作者為健康所碩士研究生馮非凡和博士研究生張政霖，通訊作者是李海研究員、楊立狀副研究員、江海河研究員和安徽醫科大學(xué)的錢(qián)海生教授。同時(shí)，針對在線(xiàn)認知測試的特點(diǎn)，發(fā)展了分半信度估計方法，研究結果發(fā)表在領(lǐng)域TOP期刊Behavior Research Method上，第一作者為健康所碩士研究生張政康，通訊作者為李海研究員和楊立狀副研究員。 

　　同時(shí)，團隊以肝豆狀核變性（Wilson Disease, WD）病人為樣本，驗證了智能語(yǔ)言認知評估系統的臨床可行性和有效性。肝豆狀核變性，又稱(chēng)威爾遜氏病，是一種罕見(jiàn)的神經(jīng)系統疾病，常常在兒童和青少年期起病，容易被漏診和誤診。構音障礙是WD患者最常見(jiàn)的前驅期神經(jīng)性癥狀。相較于其他運動(dòng)障礙疾病，其構音障礙的表型尤為復雜，是臨床診斷的難點(diǎn)。團隊針對這一問(wèn)題，開(kāi)發(fā)了針對構音障礙表型和嚴重程度的AI預測模型。研究結果表明該系統對構音障礙的嚴重程度具有良好的辨別力。該研究為發(fā)展AI驅動(dòng)的神經(jīng)系統疾病智能診斷、康復和居家支持提供了系統的框架。研究結果發(fā)表在Advanced Intelligent Systems上，第一作者為健康所博士研究生張政霖和尚小龍碩士，通訊作者是李海研究員、楊立狀副研究員和安徽中醫藥大學(xué)的王訓教授。 

　　最后，言語(yǔ)功能障礙也是癡呆患者的早發(fā)性癥狀。團隊基于上述框架，探討了自動(dòng)語(yǔ)音識別（ASR）在癡呆檢測中的作用，并驗證了基于多款商業(yè)ASR工具為癡呆檢測建立的端到端預測模型的有效性。該研究大大提高了傳統方法的效率，預測和分類(lèi)結果可匹配基于人工轉錄的方法。同時(shí)，團隊發(fā)現了一些關(guān)鍵的語(yǔ)言特征，為進(jìn)一步研究癡呆的言語(yǔ)障礙機制提供線(xiàn)索。該研究發(fā)表在Dementia and Geriatric Cognitive Disorders上，第一作者為健康所碩士研究生湯麗娟和博士研究生張政霖，通訊作者是李海研究員和楊立狀副研究員。 

　　本系列研究得到了安徽省自然科學(xué)基金、安徽省重點(diǎn)研發(fā)項目、合肥市自然科學(xué)基金、安徽省衛健委一般科研項目和中國科學(xué)院合肥科學(xué)中心協(xié)同創(chuàng )新等項目的支持。 

　　言語(yǔ)聲學(xué)分析疾病程度的臨床決策支持系統 

　　相關(guān)文章鏈接： 

　　[1] Z. Zhang^#, L.-Z. Yang^#,*, T. Vékony, C. Wang*, and H. Li*. Split-half reliability estimates of an online card sorting task in a community sample of young and elderly adults. Behavior Research Methods, 2023. https://doi.org/10.3758/s13428-023-02104-6  

　　[2] Z. Zhang^#, X. Shang^#, L.-Z. Yang*, W. Ai, J. Wang, H. Wang, S.T.C. Wong, X. Wang*, and H. Li*. Artificial Intelligence-Powered Acoustic Analysis System for Dysarthria Severity Assessment. Advanced Intelligent Systems, 2023. https://doi.org/10.1002/aisy.202300097  

　　[3] L. Tang^#, Z. Zhang^#, F. Feng, L.-Z. Yang*, and H. Li*. Explainable Alzheimer's Disease Detection Using linguistic features From Automatic Speech Recognition. Dementia and Geriatric Cognitive Disorders, 2023. https://doi.org/10.1159/000531818 (https://pubmed.ncbi.nlm.nih.gov/37433284/) 

　　[4] F. Feng^#, Z. Zhang^#, L. Tang, H. Qian*, L.-Z. Yang*, H. Jiang*, and H. Li*, Test-retest reliability of acoustic and linguistic measures of speech tasks, Computer Speech & Language, 2023. https://doi.org/10.1016/j.csl.2023.101547