アンサンブル学習モデルに基づく音声モダリティを活用したパーキンソン病検出

抄録

近年，急速な高齢化に伴い，パーキンソン病（PD）患者が増大している．PDは運動機能低下を主症状とする神経変性疾患であり，進行により日常生活動作が困難となるため早期発見が望まれる．しかしながら，PDの臨床症状は他の神経変性疾患と重複しているため，診断プロセスにおける患者負担が大きく，早期診断が難しい点が現状の課題である．そこで本研究ではPDの簡易検出を目指し，PD特有の発話障害に着目した音声解析に基づくPD判別モデルを提案する．PD患者134名，健常者（HC）94名を対象に自発話課題の回答音声を収録した．音声データから，韻律特徴を捉えるための特徴量セットComParE 2016である音響特徴6373種に言語特徴17種，時間特徴4種を加えて特徴抽出した．得られた特徴量から赤池情報規準を指標としたステップワイズ法によって特徴選択した後，RBFカーネルを用いたSVMを弱学習器とするアンサンブル学習モデルを構築した．判別性能を確認した結果，F値0.94，感度0.95であった．音声モダリティ特徴を用いた本手法は、PDの簡易スクリーニングに有用である可能性が示された．