基于深度学习的汉语AD患者口语产出病理特征智能标注与快速筛查关键技术研究

The number of patients with Alzheimer’s disease (AD) has rapidly increased in China, which is a major challenge of healthy aging. Due to limited clinical resource, nor direct and effective drugs for intervention, early diagnosis of AD has become a research hotspot. With observable oral communication deficits in AD patients, it is the current research frontier to distinguish AD patients by their speech. This project intends to evaluate the characteristics of multiple spontaneous tasks across AD patients, healthy older and younger adults. The recruitment of younger adults would help us to distinguish pathological deficits from age-related decline. Based on this, the relationship between speech deficit and AD severity, the standard neuropsychological tests, AD biomarkers will be further tested. Moreover, the project will adapt deep learning algorithms to automatically recognize and annotated AD related speech. Finally, an intelligent AD detection model in a larger sample’s cohort will be built based on deep learning algorithms. We aim to make a breakthrough in the intelligent labelling and AD detection with deep learning methods. Overall, this project will be conducive to the early diagnosis of AD and actively cope with the aging population as well as implement the “Healthy China 2030” plan.

阿尔茨海默病（Alzheimer’s disease, AD）患者在中国迅速增加成为健康老龄化的重大挑战。受医疗资源限制，快速识别AD成为当前研究热点。口语交流是临床诊断的重要途径，口语产出在AD患者身上存在明显障碍。技术发展使得对口语进行快速分析识别AD成为可能。本项目拟利用多个口语任务的产出特征数据，在以往研究对比AD和健康老人的基础上增加青年人，从而明确只在AD患者出现的口语病理损伤特征，及其随病程发展出现的口语特征变化，与标准神经心理测验表现开展效标关联检验。进而采用深度学习技术构建语音识别和语言特征智能标注方法，并采用深度学习算法利用大样本队列数据构建AD智能筛查模型。项目实施将在智能标注和智能筛查建模上突破相关关键技术。这一项目的开展将有助于AD早期筛查，是积极应对人口老化、落实《“健康中国2030”规划纲要》的体现。

阿尔茨海默病（Alzheimer’s disease, AD）患者在中国迅速增加成为健康老龄化的重大挑战。受医疗资源限制，快速识别AD成为当前研究热点。口语交流是临床诊断的重要途径，口语产出在AD患者身上存在明显障碍。技术发展使得对口语进行快速分析识别AD成为可能。. 本项目首先尝试建立AD语言损伤模式。在通过一系列ERP和fMRI实验，测试了语义、句法、语用、常识等语言部门潜在的退化和损伤神经机制。结果发现，健康老年人在语义、语用、常识加工都出现退化，而在句法加工上得到相对保持效应；而AD患者则不仅在上述领域出现损伤，在句法加工上也表现出损伤，故此形成了语言跨部门不平衡退化与损伤模式。. 随后，基于上述发现建立了基于看图说话的系列口语任务用于AD筛查，该套任务具有两个主要特点，一是时间短，只需要10分钟就可以完成；二是具有测试的精准性，包括了语义、常识、句法等信息。基于语言学特征和基于声学特征等进行了效果检测，分类结果的正确率最高为94.2%和93.62%。. 在上述研究基础上，我们进一步扩展，开展了语言认知障碍的干预研究。我们提出，语言和认知存在共享神经网络，形成互补的可塑性干预基础。由此设计的语言合并认知控制的训练体系提升了失语症的语言康复水平，针对血管性轻度认知障碍患者的研究有效提升了语言和认知水平。进而建立了认知训练评估和干预体系标准。. 项目共发表论文13篇，其中SCI/SSCI论文11篇(Alzheimer's & Dementia 1篇，IF=20.2；SSCI语言学一区3篇)，中华系列期刊论文2篇，含撰写行业标准1部，撰写专著1部；培养硕博士11人。获得江苏省哲学社会科学优秀成果一等奖1项（排名第一），中华医学科技奖三等奖1项（4/8），华夏医学科技奖三等奖1项（4/8），入选国家哲学社会科学优秀成果1部（2/2）。获邀参与全国哲学社会科学工作办公室组织的语言学一级学科发展调研报告撰写，获批国家社科重大项目1项。