Detekce časného stádia Parkinsonovy nemoci pomocí pokročilých metod zpracování signálu

Abstract

Včasná identifikace Parkinsonovy nemoci (PN) v jejím prodromálním stadiu má zásadní význam pro rozvoj neuroprotektivní léčby. Bohužel, v součastnosti nejsou známy žádné přesné biomarkery prodromální PN, což brání jejímu včasnému odhalení. Dysfunkce řeči se obvykle objevuje v brzkém stadiu PN, což naznačuje potenciál pro hodnocení řeči u pacientů s izolovanou poruchou chování ve fázi spánku s rychlými očními pohyby (iRBD), což je prodromální stav PN, a PN. Tento přístup by mohl sloužit jako diagnostický a progresivní biomarker pro PN a příbuzné synukleinopatie s možností pasivního monitorování na dálku prostřednictvím chytrých telefonů. Přetrvávají však výzvy, jako je vývoj spolehlivých automatizovaných algoritmů pro hodnocení fyziologických řečových vzorců a zajištění odolnosti proti špatné kvalitě mikrofonu nebo šumu na pozadí. Tato studie zahrnuje několik výzkumů vedoucích k využití chytrých telefonů k zachycení řeči jako biomarkeru PN. Nejprve byly ustanoveny spolehlivé automatizované metody pro výpočet různých fyziologických aspektů produkce řeči. Tyto metody prokázaly deficity v patologické řeči, zahrnující poruchy fonace, prozodie, časování řeči a artikulace. Za druhé byla vyvinuta aplikace pro chytré telefony a systém sběru dat, který umožňuje neinvazivně a eticky nahrávat řeč subjektů prostřednictvím hovorů a aktivních úloh. Nakonec byla pomocí vyvinutého systému provedena průřezová studie zahrnující pacienty s iRBD a PN, která podpořila využití chytrých telefonů k detekci řečových abnormalit. Tento přístup může pomoci nejen při brzké diagnostice, ale má také potenciální využití při vývoji současných léčebných metod pro pacienty diagnostikované s PN, poskytování zpětné vazby v neuropsychiatrii, zmírňování vedlejších účinků hluboké mozkové stimulace pomocí optimalizace parametrů, populačním screeningu a dalších.

Early identification of Parkinson's disease (PD) during its prodromal stage is crucial for the advancement of neuroprotective therapies. Unfortunately, accurate biomarkers for prodromal PD are lacking, hindering early detection. Speech dysfunction typically emerges early in PD, suggesting potential for vocal assessments in patients with isolated rapid eye movement sleep behavior disorder (iRBD), a prodromal PD condition, and PD. This approach could serve as a diagnostic and progressive biomarker for PD and related synucleinopathies, with the opportunity of a remote, passive monitoring via smartphones. However, challenges remain, such as developing reliable automated algorithms to assess speech features and ensuring robustness against poor microphone quality or background noise. The current study encompasses multiple investigations into using smartphones to capture speech as a biomarker for PD. Firstly, reliable automated methods were established to assess various physiological aspects of speech production. These methods demonstrated deficits in pathological utterances, including impairments in phonation, prosody, speech timing, and articulation. Secondly, a smartphone application and data acquisition system were developed to monitor subjects' speech unobtrusively through calls and active tasks. Finally, a cross-sectional study involving iRBD and PD patients was conducted using the developed system, supporting the use of smartphones to detect speech abnormalities. This approach not only aids in diagnosis but also has potential applications in enhancing current treatment strategies for diagnosed PD patients, providing feedback in neuropsychiatry, mitigating speech-related side effects of deep brain stimulation through parameter optimization, population screening, and more.