自发语音声学生物标志物用于阿尔茨海默病检测研究

2026年10月12日，arXiv Audio and Speech 发表一项研究，基于 Cookie Theft 图片描述任务的结构化语音数据集，提取涵盖韵律、频谱与时域的低层声学描述子，并评估多种机器学习分类器，以区分阿尔茨海默病患者与健康对照组。结果显示，声学生物标志物具有强判别力，最优模型在诊断组间实现了有临床意义的区分。研究支持开发无侵入、低成本的音频筛查工具，并推动多模态与纵向评估框架用于痴呆风险检测。目前报道未披露具体数据集规模、模型名称或准确率数值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。