[論文レビュー] Vocal markers from sustained phonation in Huntington's Disease

Rachid Riad, Hadrien Titeux+6 more|arXiv (Cornell University)|Jun 9, 2020

Genetic Neurodegenerative Diseases参考文献 31被引用数 5

ひとこと要約

本研究では、ハンチントン病（HD）の持続発声から得られる声響的特徴と変調パワースペクトル（MPS）特徴を用いて、無症状遺伝子キャリア（preHD）、症状を示すHD患者、健常対照群を区別する。声響的特徴が臨床スコアの予測に最も優れており、MPS特徴がpreHDの同定を著しく向上させ、誤分類を3倍まで低減し、臨床試験における遠隔的・繰り返し可能なモニタリングの可能性を示唆している。

ABSTRACT

Disease-modifying treatments are currently assessed in neurodegenerative diseases. Huntington's Disease represents a unique opportunity to design automatic sub-clinical markers, even in premanifest gene carriers. We investigated phonatory impairments as potential clinical markers and propose them for both diagnosis and gene carriers follow-up. We used two sets of features: Phonatory features and Modulation Power Spectrum Features. We found that phonation is not sufficient for the identification of sub-clinical disorders of premanifest gene carriers. According to our regression results, Phonatory features are suitable for the predictions of clinical performance in Huntington's Disease.

研究の動機と目的

• 持続発声を用いて、ハンチントン病（preHD）の無症状遺伝子キャリアにおける亜臨床的声響的特徴を同定すること。
• 声響的特徴と変調パワースペクトル（MPS）特徴が、preHD、HD、健常対照群を区別できるかどうかを評価すること。
• HD患者における臨床スコア（cUHDRS、TFC、TMS）の予測能力を、発声特徴がどの程度果たすかを評価すること。
• 短時間の自動発声タスクが神経変性疾患のモニタリングにおいて生態的で繰り返し可能なバイオマーカーとして実現可能かどうかを検討すること。
• MPS特徴が、徴候のない初期HDの検出において、従来の声響的特徴を上回る利点を有するかどうかを特定すること。

提案手法

• 85名の参加者から持続発声 /a/ の録音を取得：健常対照群（C）24名、preHD 16名、HD 45名。
• HDにおける運動失調の兆候を反映するとされる声響的特徴（例：ジッター、シャイマー、基本周波数）を抽出した。
• 発話の理解性や粗さに関連する時間的・周波数的変調を捉えるために、変調パワースペクトル（MPS）特徴を計算した。
• グループ分類と臨床スコアの予測に、正則化線形モデル（ロジスティック回帰）を適用した。
• 特徴分布のグループ差を評価するために、統計的検定（H統計量、p値、FDR補正）を用いた。
• 声響的特徴とMPS特徴を組み合わせることで、分類および予測性能の向上を図った。

Figure 1: Averaged weights of the Logistic Regression regularised with ElasticNet applied on the Modulation Power Spectrum Features to discriminate between each sub-group. Mean Sparsity $=37.1\%$

実験結果

リサーチクエスチョン

• RQ1 持続発声特徴は、健常対照群、無症状遺伝子キャリア（preHD）、症状を示すHD患者を区別できるか？
• RQ2 変調パワースペクトル（MPS）特徴は、従来の声響的特徴に比べてpreHDの検出を向上させるか？
• RQ3 声響的特徴は、HD患者の臨床スコア（cUHDRS、TFC、TMS）をどの程度正確に予測できるか？
• RQ4 preHDと健常対照群、およびHDを区別する分類モデルが犯す誤りはどのようなものか？また、特徴セットの違いが誤りのパターンに与える影響は？
• RQ5 1分間の持続母音タスクから得られる発声ベースのバイオマーカーは、UHDRSのような長時間の臨床評価を代替または補完できるか？

主な発見

• 声響的特徴が臨床スコアの予測において最も優れた性能を示し、合成cUHDRSスコアの決定係数（R²）が最も高かった。
• 声響的特徴とMPS特徴の組み合わせにより、分類精度が0.56に向上し、F1-macroは0.46に達した。これは、単独での特徴セットより優れた性能を示した。
• MPS特徴を用いることで、声響的特徴のみの場合に比べ、preHDの誤分類が3倍まで低減され、preHDの検出が顕著に向上した。
• HD患者は最も信頼性高く分類されたが、preHDは健常対照群およびHDと高い混同を示し、初期段階では境界が曇っていることを示した。
• MPS特徴に基づくロジスティック回帰モデルは、解釈可能な活性化パターンを示し、特に0.0 Hzの時間周波数（声の途切れ）と、preHDで顕著な2.5および7サイクル/kHzの周波数的変調が強く関与していた。
• 全体の分類性能は低かったものの、MPS特徴はpreHDの検出において優れた感度を示し、初期検出の可能性を示唆した。

Figure 2: Confusion matrices for the Logistic regression based on the Phonatory features (left) and on the MPS features (right) averaged across all the repeated learning-testing experiments.