Automatic Assessment of Intelligibility in Noise in Parkinson Disease: Validation Study.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Parkinson hastalığı (PD) olan bireylerin çoğu konuşma anlaşılırlıklarında bir bozulma yaşarlar. Zekayı değerlendirmek için otomatik konuşma tanıma (ASR) kullanımı üzerine yapılan araştırmalar, özellikle gerçek yaşam koşullarında (yani gürültülü arka planlar) iletişim zorluklarını çoğaltmaya çalışırken hala seyrektir. Gürültüde anlaşılırlığı otomatik olarak ölçmek için teknolojiler geliştirmek, sonuçta hastalığa bağlı olarak ses değişikliklerini kendi kendine yönetmede hastalara yardımcı olabilir.Bu çalışmanın amacı, PD ile ilişkili disartri olan bireylerde gürültüde konuşma anlaşılırlığını değerlendirmek için özelleştirilmiş bir web tabanlı uygulamanın kullanımını test etmek ve doğrulamaktı.MetodlarToplamda, PD ile ilişkili disartrisi olan 20 kişi ve 20 sağlıklı kontrol (HC seti) ile kaydedilmiş bir cümle. Google Cloud ASR API, hoparlörlerin cümlelerini otomatik olarak transkribe etmek için kullanıldı. Hoparlörlerin cümlelerini +6-dB sinyal-gürültü multitalker babble'ına gömmek için bir algoritma oluşturuldu. ASR performansından elde edilen sonuçlar, aynı cümle setini ortoğrafik olarak transkribe eden 30 dinleyiciden elde edilen sonuçlarla karşılaştırıldı. Veriler, yapay zeka (AI) sisteminin rastgele bir konuşmacı veya cümleyi, rastgele seçilen 3 insan dinleyicinin ortalamasından daha iyi veya daha iyi bir şekilde transkribe etmesi durumunda başarı olarak tanımlanan tek bir olaya indirgendi. Bu veriler, AI başarısının konuşmacı grubu (HC'ler veya disartriye sahip hoparlörler) tarafından farklılık gösterip göstermediğini veya cümle uzunluğundan etkilenip etkilenmediğini değerlendirmek için lojistik gerileme ile daha da analiz edildi. İnsan dinleyici verileri ve yapay zeka transkripsiyon verileri üzerinde, her veri setinin HC'ler ve hoparlörler arasında disartriya ile ayrım yapabilme yeteneğini karşılaştırmak için bağımsız olarak bir ayrımcı analiz yapıldı.SonuçlarVeri analizi, yapay zeka performansının ortalama bir insan dinleyiciden daha iyi veya daha iyi olacağı 0.8 olasılığını (95% CI 0.65-0.91) göstermiştir. AI transkripsiyoner başarı olasılığının konuşmacı grubuna bağlı olmadığı tespit edildi. Yapay zeka transkripsiyoncusunun başarısının cümle uzunluğuyla birlikte azaldığı, her bir kelime için ortalama insan dinleyicisinin yanı sıra, cümle uzunluğundaki her bir kelime için tahmini bir 0.03 transkripsiyon olasılığını kaybettiği tespit edildi. AI transkripsiyon verilerinin, konuşmacıların insan dinleyici verileriyle aynı kategorilere (HC'ler ve disartriye sahip hoparlörler) ayırımını sunduğu bulundu.ConclusionsASR, PD ile ilişkili disartriye sahip hoparlörlerde gürültüde anlaşılabilirliği değerlendirme potansiyeline sahiptir. Sonuçlarımız, AI'nın bu klinik popülasyonla birlikte kullanılması için söz veriyor, ancak gelecekteki çalışmalarda tam bir konuşma şiddetinin yanı sıra farklı konuşma görevlerinin ASR üzerindeki etkisi de değerlendirilmelidir.

Özgün kaynak özetini okuyun

BackgroundMost individuals with Parkinson disease (PD) experience a degradation in their speech intelligibility. Research on the use of automatic speech recognition (ASR) to assess intelligibility is still sparse, especially when trying to replicate communication challenges in real-life conditions (ie, noisy backgrounds). Developing technologies to automatically measure intelligibility in noise can ultimately assist patients in self-managing their voice changes due to the disease.ObjectiveThe goal of this study was to pilot-test and validate the use of a customized web-based app to assess speech intelligibility in noise in individuals with dysarthria associated with PD.MethodsIn total, 20 individuals with dysarthria associated with PD and 20 healthy controls (HCs) recorded a set of sentences using their phones. The Google Cloud ASR API was used to automatically transcribe the speakers' sentences. An algorithm was created to embed speakers' sentences in +6-dB signal-to-noise multitalker babble. Results from ASR performance were compared to those from 30 listeners who orthographically transcribed the same set of sentences. Data were reduced into a single event, defined as a success if the artificial intelligence (AI) system transcribed a random speaker or sentence as well or better than the average of 3 randomly chosen human listeners. These data were further analyzed by logistic regression to assess whether AI success differed by speaker group (HCs or speakers with dysarthria) or was affected by sentence length. A discriminant analysis was conducted on the human listener data and AI transcriber data independently to compare the ability of each data set to discriminate between HCs and speakers with dysarthria.ResultsThe data analysis indicated a 0.8 probability (95% CI 0.65-0.91) that AI performance would be as good or better than the average human listener. AI transcriber success probability was not found to be dependent on speaker group. AI transcriber success was found to decrease with sentence length, losing an estimated 0.03 probability of transcribing as well as the average human listener for each word increase in sentence length. The AI transcriber data were found to offer the same discrimination of speakers into categories (HCs and speakers with dysarthria) as the human listener data.ConclusionsASR has the potential to assess intelligibility in noise in speakers with dysarthria associated with PD. Our results hold promise for the use of AI with this clinical population, although a full range of speech severity needs to be evaluated in future work, as well as the effect of different speaking tasks on ASR.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.