[論文レビュー] Assessment of Parkinson's Disease Medication State through Automatic Speech Analysis

Anna Pompili, Rubén Solera-Ureña+6 more|arXiv (Cornell University)|May 29, 2020

Voice and Speech Disorders被引用数 4

ひとこと要約

本研究では、音声分析を用いた教師あり深層学習システムを提案し、パーキンソン病患者の薬物投与状態（ON/OFF）を分類する。音声記録から得られる音声的・プロソディック特徴量（特にeGeMAPSとMFCC）を活用することで、半自発的物語語りタスクで95.27%の正確性を達成し、PD患者の遠隔的・日常的モニタリングの強力な可能性を示している。

ABSTRACT

Parkinson's disease (PD) is a progressive degenerative disorder of the central nervous system characterized by motor and non-motor symptoms. As the disease progresses, patients alternate periods in which motor symptoms are mitigated due to medication intake (ON state) and periods with motor complications (OFF state). The time that patients spend in the OFF condition is currently the main parameter employed to assess pharmacological interventions and to evaluate the efficacy of different active principles. In this work, we present a system that combines automatic speech processing and deep learning techniques to classify the medication state of PD patients by leveraging personal speech-based bio-markers. We devise a speaker-dependent approach and investigate the relevance of different acoustic-prosodic feature sets. Results show an accuracy of 90.54% in a test task with mixed speech and an accuracy of 95.27% in a semi-spontaneous speech task. Overall, the experimental assessment shows the potentials of this approach towards the development of reliable, remote daily monitoring and scheduling of medication intake of PD patients.

研究の動機と目的

• 音声ベースのバイオマーカーが、パーキンソン病患者の薬物投与状態（ON対OFF）を信頼性を持って区別できるかを調査すること。
• 個別化された音声処理と深層学習を活用した、PD患者の遠隔モニタリングを目的としたスプーカー依存型システムの開発。
• さまざまな音声タスク（例：朗読、物語語り）が、薬物投与状態分類の正確性に与える影響を評価すること。
• さまざまな音声的・プロソディック特徴量セット（MFCC、delta-MFCC、eGeMAPS）が、薬物投与状態分類に与える関連性を評価すること。
• 限られた患者の音声データを用いて、正確で個別化されたモデルを訓練し、臨床的モニタリングに実用的であるかを検討すること。

提案手法

• 各患者の個人用音声データを用いて、スプーカー依存型の深層ニューラルネットワーク（DNN）モデルを訓練し、薬物投与状態を分類する。
• 複数の音声的・プロソディック特徴量セットを抽出：MFCC、delta-MFCC、eGeMAPS。これらは音声のスペクトル的・動的・プロソディック特性を表す。
• 元の特徴空間の95%の分散を保持しながら次元削減を実施するため、主成分分析（PCA）を適用する。
• 3つの音声タスクでシステムを評価：/a/の発音、短い文章の朗読、誘導付きの半自発的物語語り。
• モデルの性能は、さまざまな特徴量セットと音声タスクにおける発話単位の正確性で測定される。
• 本手法は、74名のポルトガル語話者のPD患者が薬物投与前と投与後の両状態で記録されたFraLusoParkコーパスを用いる。

実験結果

リサーチクエスチョン

• RQ1 自動音声分析を用いて、個人の音声ベースのバイオマーカーにより、パーキンソン病患者の薬物投与状態（ON 対 OFF）を信頼性を持って分類できるか？
• RQ2 音声タスクの選択（例：朗読対物語語り）が、薬物投与状態分類の正確性にどのように影響するか？
• RQ3 どの音声的・プロソディック特徴量セット（MFCC、delta-MFCC、eGeMAPS）が、薬物投与状態検出において最高の分類正確性を達成するか？
• RQ4 PCAによる次元削減が、モデルの性能と効率にどの程度影響を与えるか？
• RQ5 限られた患者の音声データを用いて、スプーカー依存型モデルが高い正確性を達成できるか。これにより、実用的な遠隔モニタリングが可能になるか？

主な発見

• 混合音声タスクを用いた場合、90.54%の正確性を達成し、強力なベースライン性能を示している。
• eGeMAPS特徴量を用いた半自発的物語語りタスクで、最高の正確性95.27%を達成し、自然な音声の価値が顕著に示された。
• PCAを適用したMFCCベースのモデルは、タスク全体で86.49–94.59%の正確性を示し、物語語りタスクで最高の性能を発揮した。
• PCAの適用により、特徴量次元が最大79.7%まで削減されたが、eGeMAPSおよびMFCC+deltaシステムでは性能が低下した。これは、圧縮に伴うトレードオフを示唆している。
• スプーカー依存型モデルは、1人あたりの正確性が高く（平均83.78–95.27%）、標準偏差が12.51–14.67%の間で安定しており、個々の患者において一貫した性能を示した。
• 結果から、半自発的で自然な音声記録が、制御されたタスク（母音発音など）よりも、薬物投与状態の変化を検出する上で顕著に優れていることが確認された。