Nieuws
Geautomatiseerde taalanalyse voorspelde klinische scores in kleinschalig onderzoek
Geschreven door Michela Luciano, vertaald en bewerkt door Johan van Leipsig
Een kleinschalige studie suggereert dat spraakopnames via een smartphone een eenvoudige en minder belastende manier zijn om de ernst van de ziekte van Huntington (HD) te beoordelen.
Onderzoekers ontdekten dat een geautomatiseerde analyse van taalpatronen met spraakherkennings- en taalanalysesoftware motorische, cognitieve en functionele scores kon voorspellen. "Volledig geautomatiseerde analyse van taaltests via de smartphone kan cognitieve, motorische en functionele beperkingen bij HD op afstand kwantificeren. Dit biedt een schaalbare, laagbelastende digitale biomarker voor klinische onderzoeken," schreven de onderzoekers in het Journal of Neural Transmission.
Waarom spraakanalyse?
Huntington wordt veroorzaakt door mutaties in het HTT-gen die leiden tot progressieve schade aan zenuwcellen in de hersenen. Artsen controleren de progressie doorgaans in het ziekenhuis met de Unified Huntington's Disease Rating Scale (UHDRS). Deze evaluaties vereisen specialisten en fysieke afspraken, waardoor ze tijdrovend en kostbaar zijn, en minder gevoelig voor subtiele veranderingen op de korte termijn.
Omdat spraak afhankelijk is van hersennetwerken die al vroeg bij Huntington worden aangetast, kunnen veranderingen in de manier waarop mensen praten dienen als digitale graadmeter. Dankzij moderne software kunnen smartphone-opnames nu automatisch worden geanalyseerd, zonder dat onderzoekers elke opname handmatig hoeven na te kijken.
Opzet van de studie
Aan het onderzoek namen dertig mensen met Huntington (gemiddelde leeftijd 47,1 jaar) en 23 gezonde vrijwilligers deel. De Huntington-groep bestond uit negen pre-symptomatische, drie prodromale en 18 manifest zieke deelnemers.
Na een eerste kliniekbezoek kregen de deelnemers een smartphone met een speciale app. Hiermee voerden ze thuis zes dagen lang zelfstandig twee spraaktaken uit: vrijuit spreken (een monoloogtaak) en het in eigen woorden navertellen van een kort sprookje. De software analyseerde de opnames op taalkenmerken zoals de omvang van de woordenschat, zinsherhaling en grammaticale complexiteit.
Sterke voorspellende waarde
De data lieten duidelijke verschillen zien: Huntingtonpatiënten gebruikten een beperktere woordenschat, herhaalden vaker zinnen en maakten kortere zinnen.
Deze spraakpatronen bleken de klinische ernst van de ziekte sterk te voorspellen:
- Monoloogtaak: Verklaarde 57% van de variatie in de motorische scores (UHDRS-TMS), 51% van de functionele capaciteit (UHDRS-TFC) en tot 57% van de cognitieve testscores.
- Naverteltaak: Verklaarde 63% van de variatie in motorische scores, 59% in functionele capaciteit en tot 55% in cognitieve testscores.
Wanneer taalkenmerken werden gecombineerd met demografische gegevens en de diagnostische zekerheid van artsen, steeg de voorspellende waarde van de modellen tot wel 76% (bij monologen) en 81% (bij de naverteltaak).
De resultaten suggereren dat digitale taalmetingen in de toekomst kunnen dienen als biomarkers om de ernst van de ziekte thuis op afstand te beoordelen. Grotere studies zijn nog wel nodig om de resultaten te valideren voor langdurig gebruik.
