[논문 리뷰] Vocal markers from sustained phonation in Huntington's Disease

Rachid Riad, Hadrien Titeux외 6명|arXiv (Cornell University)|2020. 06. 09.

Genetic Neurodegenerative Diseases참고 문헌 31인용 수 5

한 줄 요약

이 연구는 헌팅턴병(Huntington’s Disease, HD)에서 지속 음성 발성 동안의 음성 지표를 이용하여 전증상 유전자 보유자(preHD), 증상이 나타난 HD 환자, 건강한 대조군을 구분하기 위해 음성 특징과 변조 파wer 스펙트럼(MPS) 특징을 사용한다. 음성 특징이 임상 점수를 가장 잘 예측하지만, MPS 특징은 preHD의 식별을 크게 향상시켜 오분류를 3배 감소시키며, 임상 시험에서 원격으로 반복 가능한 모니터링 가능성을 제시한다.

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.

연구 동기 및 목표

• 지속 음성 발성에서 전증상 헌팅턴병(preHD) 유전자 보유자에서 임상적으로 유의미한 음성 지표를 식별하기 위해.
• 음성 특징과 변조 파워 스펙트럼(MPS) 특징이 preHD, HD, 건강한 대조군을 구분하는 데 효과적인지 평가하기 위해.
• HD 환자에서 임상 점수(cUHDRS, TFC, TMS)를 예측하는 데 음성 특징의 예측 능력을 평가하기 위해.
• 짧고 자동화된 음성 작업이 신경퇴행성 질환 모니터링에서 생태적이고 반복 가능한 생물학적 지표로 활용 가능한지 탐색하기 위해.
• MPS 특징이 전통적인 음성 특징보다 조기 전증상 HD를 탐지하는 데에서 우월한 이점을 제공하는지 확인하기 위해.

제안 방법

• 85명의 참가자로부터 지속 /a/ 모음 음성 기록을 확보: 24명의 대조군(C), 16명의 preHD, 45명의 HD.
• HD에서 운동이상성 장애를 반영하는 것으로 알려진 음성 특징(예: 젖히기, 반복성 진동, 기본 주파수)을 추출하였다.
• 말하기 이해도와 거칠기와 관련된 시간적 및 주파수적 변조를 캡처하기 위해 변조 파워 스펙트럼(MPS) 특징을 계산하였다.
• 그룹 소속을 분류하고 임상 점수를 예측하기 위해 정규화된 선형 모델(로지스틱 회귀)을 적용하였다.
• 특징 분포의 그룹 간 차이를 평가하기 위해 통계적 검정(H-통계량, p-값, FDR 보정)을 사용하였다.
• 음성 특징과 MPS 특징을 조합하여 분류 및 예측 성능을 향상시켰다.

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 $=37.1\%$

실험 결과

연구 질문

• RQ1 지속 음성 발성 특징은 건강한 대조군, 전증상 유전자 보유자(preHD), 증상이 나타난 HD 환자 간을 구분할 수 있는가?
• RQ2 변조 파워 스펙트럼(MPS) 특징은 전통적인 음성 특징에 비해 preHD 탐지 능력을 향상시키는가?
• RQ3 음성 특징은 HD 환자에서 임상 점수(cUHDRS, TFC, TMS)를 어느 정도 예측할 수 있는가?
• RQ4 분류 모델이 preHD와 대조군, HD를 구분할 때 발생하는 오류 유형은 무엇이며, 특징 세트는 오류 패턴에 어떤 영향을 미치는가?
• RQ5 1분 분량의 지속 모음 작업에서 유도된 음성 기반 지표가 UHDRS와 같은 장시간 임상 평가를 대체하거나 보완할 수 있는가?

주요 결과

• 음성 특징이 임상 점수 예측 능력에서 가장 뛰어났으며, 복합 cUHDRS 점수에서 가장 높은 결정계수(R²)를 기록하였다.
• 음성 특징과 MPS 특징을 조합함으로써 분류 정확도는 0.56으로 향상되었고, F1-macro는 0.46에 도달하여 단독으로 사용할 경우보다 성능이 뛰어났다.
• MPS 특징은 음성 특징만 사용할 경우에 비해 preHD의 오분류를 3배 감소시켜 preHD 탐지 능력을 크게 향상시켰다.
• HD 환자는 가장 신뢰성 있게 분류되었고, preHD는 대조군과 HD 모두와 높은 혼동을 보이며 조기 단계에서 경계가 모호한 경향을 보였다.
• MPS 특징을 기반으로 학습한 로지스틱 회귀 모델은 해석 가능한 활성화 패턴을 보였으며, 특히 0.0 Hz 시간 주파수(음성 끊김)에서 강한 반응과 preHD에서 2.5 및 7 사이클/kHz의 특정 스펙트럼 변조가 두드러졌다.
• 전반적인 분류 성능는 낮았지만, MPS 특징는 preHD 탐지에 있어 뛰어난 민감도를 보이며 조기 탐지 잠재력을 시사하였다.

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.