《npj Aging》：Spontaneous speech enables scalable digital phenotyping of physical functional deficits in aging
編輯推薦：
為應(yīng)對病理衰老帶來的全球負(fù)擔(dān)，亟需可及工具以實現(xiàn)功能衰退的早期檢測。研究人員開展了利用1分鐘自發(fā)性情緒言語的多模態(tài)特征（聲學(xué)、語言、時序）來評估十項關(guān)鍵身體功能（如肌力、平衡、步態(tài)等）的研究。機器學(xué)習(xí)模型實現(xiàn)了高精度分類（平均AUC=0.91±0.04），揭示了三種特異性言語改變簇。該研究支持語音作為衰老多維身體功能的綜合數(shù)字生物標(biāo)志物，為精準(zhǔn)老年醫(yī)學(xué)提供了可擴展的篩查新途徑。
隨著全球人口老齡化加速，與衰老相關(guān)的身體功能衰退已成為影響老年人生活質(zhì)量、加重醫(yī)療系統(tǒng)負(fù)擔(dān)的嚴(yán)峻挑戰(zhàn)。然而，傳統(tǒng)臨床功能評估方法往往依賴專業(yè)設(shè)備和場所，難以實現(xiàn)大規(guī)模、高頻次的早期篩查與監(jiān)測。是否存在一種更便捷、無創(chuàng)且能反映多維生理狀態(tài)的方法呢？近期發(fā)表在《npj Aging》上的一項研究提出了一個創(chuàng)新性的解決方案：通過分析老年人短短一分鐘的自發(fā)性談話錄音，即可精準(zhǔn)評估其十項關(guān)鍵的身體功能狀況，將日常言語轉(zhuǎn)化為洞察身體健康的“密碼”。
為了回答語音能否作為評估身體功能的數(shù)字生物標(biāo)志物（digital biomarker）這一問題，由C.-C. Lee、M. N. A. B. M. Said、X. Zhao、L. S. H. Tan、X. Liu、M. B. S. Mahmud、Y.-R. Chuang、C. Lauterbach、J. H. Lee、S. H. Shah、G. S. H. Chan、M. E. H. Chee、J. Zhou、T.-S. Lee、X. Gao、W. L. Boucher、E. Holper、A. B. S. Ali、Y. L. S. Tan、R. S. Ward、K. L. Nowinski、E. S. B. Goh、B. L. Ho、Y. S. Chong、A. M. R. Chong、T.-Y. Wong、C. Sabanayagam、E. Shyong、M. K.-I. Chua、R. S. M. Yusoff、B.-Y. Ng、J. B. Zhou、N. Kandiah、A. F. J. Yong、X. Yuan、F. S.-H. Kuo、S. M. L. Lim、W. L. Soon、J. T. T. Kua、T. T. Yeo、M. R. Mustafa、X. Zhang、X. Yu、X. Li、Y. Zhang、M. K.-P. Lai、W. S.-H. Lim、R. E. S. Tan、B. P. C. Khoo、H. L. Wee、X. Wang、W. K. Lim、X. H. See、J. B. T. Khoo、A. B. C. Tan、R. C. M. Ho、S. R. S. M. Viswanathan、M. B. S. Chong、T.-T. Yeo、J. B. T. Khoo、C.-C. Lee（共同通訊）組成的國際研究團隊開展了一項探索性研究。他們的核心假設(shè)是：言語的產(chǎn)生共享了控制身體活動的神經(jīng)肌肉通路，因此，語音分析能夠捕捉到特定表型的身體功能衰退特征。
研究人員利用了機器學(xué)習(xí)（machine learning）和可解釋人工智能（Explainable AI, XAI）等關(guān)鍵技術(shù)方法。研究從271名社區(qū)居住的老年人（平均年齡77.3±5.8歲）中獲取了兩段1分鐘的自發(fā)性情緒言語錄音。基于這些錄音，他們提取了多模態(tài)的語音特征，包括聲學(xué)、語言和時序特征，構(gòu)建機器學(xué)習(xí)模型來分類十項身體功能領(lǐng)域的缺損情況。
研究結(jié)果部分詳細(xì)展示了語音分析在不同身體功能評估中的效能與內(nèi)在模式：
語音分析可高精度分類多維身體功能缺損
研究構(gòu)建的集成模型在評估十項關(guān)鍵身體功能域時，表現(xiàn)出了卓越的分類性能，平均曲線下面積（Area Under the Curve, AUC）達(dá)到0.91±0.04。具體而言，模型成功分類的領(lǐng)域包括：下肢力量、爆發(fā)力、耐力、握力、柔韌性、姿勢平衡、步態(tài)速度、移動能力、四肢瘦體重以及疲勞感。結(jié)果表明，通過分析簡短的自發(fā)性言語，可以實現(xiàn)對多種生理功能狀態(tài)的臨床級精準(zhǔn)評估。
多模態(tài)情緒任務(wù)堆疊提升檢測性能
研究比較了不同情緒誘導(dǎo)任務(wù)（中性vs.情緒）下單模態(tài)與多模態(tài)特征的性能。結(jié)果顯示，結(jié)合聲學(xué)、語言和時序特征的多模態(tài)方法，在80%的身體測量指標(biāo)上，其檢測性能優(yōu)于任何單模態(tài)方法。特別是將來自不同情緒任務(wù)的預(yù)測結(jié)果進行堆疊（stacking），能進一步提升模型對多種身體功能缺損的識別能力，證實了多源信息融合的有效性。
可解釋人工智能揭示缺損特異性語音特征
通過SHAP（SHapley Additive exPlanations）分析，研究團隊深入探究了不同身體功能缺損所對應(yīng)的特異性語音特征模式。分析發(fā)現(xiàn)，每種類型的身體功能缺損都與一組獨特的語音特征相關(guān)聯(lián)，這些特征模式更可能反映了特定的病理生理機制，而非簡單的人口統(tǒng)計學(xué)混雜因素。這為語音作為反映特定生理過程的生物標(biāo)志物提供了機制層面的解釋。
身體功能缺損映射出三種核心語音改變簇
進一步的分析將各種身體功能缺損相關(guān)的語音特征歸納為三個主要的改變集群：1) 詞匯-句法簡化：表現(xiàn)為句法復(fù)雜性降低；2) 神經(jīng)運動-時序減緩：表現(xiàn)為語速下降、停頓增加；3) 發(fā)音-頻譜衰退：表現(xiàn)為頻譜不穩(wěn)定性增加。這三種集群為理解不同生理功能衰退如何影響言語產(chǎn)出提供了統(tǒng)一的框架。
結(jié)論與討論部分總結(jié)道，這項研究證實了最初的假設(shè)，即自發(fā)性言語可以作為衰老過程中多維身體功能的綜合性數(shù)字生物標(biāo)志物。研究不僅實現(xiàn)了高精度的功能缺損分類，更重要的是通過可解釋AI技術(shù)，揭示了不同生理缺損與特定語音特征模式之間的關(guān)聯(lián)，并歸納出三種核心的言語改變類型。這項工作首次將語音分析確立為一種“身體衰老時鐘”（physical aging clock），能夠通過易于獲取的智能手機錄音，實現(xiàn)臨床級的精準(zhǔn)評估。其意義在于，該技術(shù)能夠通過可解釋的生物標(biāo)志物，實現(xiàn)針對特定功能域的生理狀態(tài)描繪，為精準(zhǔn)老年醫(yī)學(xué)和為醫(yī)療服務(wù)不足的人群進行大規(guī)模、可擴展的篩查，提供了極具潛力的創(chuàng)新工具。
