Analýza emočního náboje řeči u pacientů s roztroušenou sklerózou

Abstract

Roztroušená skleróza (RS) ovlivňuje motorické, kognitivní i emoční funkce. Tato práce se zabývá hodnocením emočního obsahu řeči u RS, což je dosud málo prozkoumaná oblast. Cílem bylo vytvořit a ověřit metodiku analýzy emocí v řeči. Byla vytvořena databáze řečových úloh a implementován postup pro analýzu šesti emocí z textových přepisů pomocí strojového učení. Analýza potvrdila, že úlohy s emočním stimulem generují více detekovatelných emocí než volný monolog. Při porovnání 120 pacientů s RS a 120 zdravých jedinců pomocí volného monologu byla u pacientů zjištěna statisticky významně vyšší míra smutku, která korelovala s mírou depresivní symptomatologie (Beck Depression Inventory; BDI II). Výsledky ukazují potenciál textové analýzy pro detekci emočních změn u RS, zejména smutku spojeného s depresí, a zdůrazňují význam výběru řečové úlohy. Limitací je absence analýzy prozódie a nutnost překladu.

Multiple sclerosis (MS) affects motor, cognitive, and emotional functions. This study focuses on evaluating the emotional content of speech in MS, a field that remains underexplored. The aim was to develop and validate a methodology for emotion analysis in speech. A database of speech tasks was created, and a procedure was implemented to analyze six emotions from textual transcripts using machine learning. The analysis confirmed that tasks with emotional stimuli generate more detectable emotions than free monologue. When comparing 120 MS patients and 120 healthy individuals using a free monologue, patients showed a significantly higher level of sadness, which correlated with the severity of depressive symptoms (Beck Depression Inventory; BDI II). The results demonstrate the potential of text-based analysis for detecting emotional changes in MS, particularly sadness associated with depression, and highlight the importance of selecting an appropriate speech task. A limitation is the absence of prosodic analysis and the need for translation.