近期，中国科学院合肥物质科学研究院健康所李海研究员团队在Behavior Research Method、Advanced Intelligent Systems、Dementia and Geriatric Cognitive Disorders和Computer Speech & Language等专业国际期刊上连续发表4篇文章，汇总展示了团队在智能语言认知功能评估领域的工作进展。
语言是人类独有的一种高级认知能力，涉及复杂的抽象思维和精细的运动控制。神经系统疾病、衰老、脑损伤等会影响语言加工有关的神经环路，对语言的产生和理解造成不利影响。言语活动中的声学和语言学特征是脑功能疾病和衰老的敏感标志物，同时，语言任务具有生态效度高，采集方便，能够自动化分析的优点。因此，发展基于言语声学分析的智能认知评估方法是当前智能健康研究领域的又一热点，有助于开展大规模神经退行性疾病的快速社区筛查和干预，特别对应对人口老龄化带来的认知衰退问题有重要科研和社会价值。
在此背景下，研究团队经过系统攻关，发展了一套标准化的语言认知测试套件和智能评估系统，并在健康人和不同类型神经性疾病群体上进行了系统测试和验证。具体如下：
首先，团队采用健康群体样本评估了语言认知测试套件在7个认知任务和近百项言语声学特征上的可重复性，为特征工程提供了基础数据支撑。该项研究目前已经在线发表在Computer Speech & Language上，第一作者为健康所硕士研究生冯非凡和博士研究生张政霖，通讯作者是李海研究员、杨立状副研究员、江海河研究员和安徽医科大学的钱海生教授。同时，针对在线认知测试的特点，发展了分半信度估计方法，研究结果发表在领域TOP期刊Behavior Research Method上，第一作者为健康所硕士研究生张政康，通讯作者为李海研究员和杨立状副研究员。
同时，团队以肝豆状核变性（Wilson Disease, WD）病人为样本，验证了智能语言认知评估系统的临床可行性和有效性。肝豆状核变性，又称威尔逊氏病，是一种罕见的神经系统疾病，常常在儿童和青少年期起病，容易被漏诊和误诊。构音障碍是WD患者最常见的前驱期神经性症状。相较于其他运动障碍疾病，其构音障碍的表型尤为复杂，是临床诊断的难点。团队针对这一问题，开发了针对构音障碍表型和严重程度的AI预测模型。研究结果表明该系统对构音障碍的严重程度具有良好的辨别力。该研究为发展AI驱动的神经系统疾病智能诊断、康复和居家支持提供了系统的框架。研究结果发表在Advanced Intelligent Systems上，第一作者为健康所博士研究生张政霖和尚小龙硕士，通讯作者是李海研究员、杨立状副研究员和安徽中医药大学的王训教授。
最后，言语功能障碍也是痴呆患者的早发性症状。团队基于上述框架，探讨了自动语音识别（ASR）在痴呆检测中的作用，并验证了基于多款商业ASR工具为痴呆检测建立的端到端预测模型的有效性。该研究大大提高了传统方法的效率，预测和分类结果可匹配基于人工转录的方法。同时，团队发现了一些关键的语言特征，为进一步研究痴呆的言语障碍机制提供线索。该研究发表在Dementia and Geriatric Cognitive Disorders上，第一作者为健康所硕士研究生汤丽娟和博士研究生张政霖，通讯作者是李海研究员和杨立状副研究员。
言语声学分析疾病程度的临床决策支持系统
本系列研究得到了安徽省自然科学基金、安徽省重点研发项目、合肥市自然科学基金、安徽省卫健委一般科研项目和中国科学院合肥科学中心协同创新等项目的支持。
相关文章链接：
[1] Z. Zhang#, L.-Z. Yang#,*, T. Vékony, C. Wang*, and H. Li*. Split-half reliability estimates of an online card sorting task in a community sample of young and elderly adults. Behavior Research Methods, 2023. https://doi.org/10.3758/s13428-023-02104-6
[2] Z. Zhang#, X. Shang#, L.-Z. Yang*, W. Ai, J. Wang, H. Wang, S.T.C. Wong, X. Wang*, and H. Li*. Artificial Intelligence-Powered Acoustic Analysis System for Dysarthria Severity Assessment. Advanced Intelligent Systems, 2023. https://doi.org/10.1002/aisy.202300097
[3] L. Tang#, Z. Zhang#, F. Feng, L.-Z. Yang*, and H. Li*. Explainable Alzheimer's Disease Detection Using linguistic features From Automatic Speech Recognition. Dementia and Geriatric Cognitive Disorders, 2023. https://doi.org/10.1159/000531818 (https://pubmed.ncbi.nlm.nih.gov/37433284/)
[4] F. Feng#, Z. Zhang#, L. Tang, H. Qian*, L.-Z. Yang*, H. Jiang*, and H. Li*, Test-retest reliability of acoustic and linguistic measures of speech tasks, Computer Speech & Language, 2023. https://doi.org/10.1016/j.csl.2023.101547
