Hodnocení Parkinsonovy nemoci na základě akustické analýzy hypokinetické dysartrie

Abstract

Hypokinetická dysartrie (HD) je častým symptomem vyskytujícím se až u 90% pacientů trpících idiopatickou Parkinsonovou nemocí (PN), která výrazně přispívá k nepřirozenosti a nesrozumitelnosti řeči těchto pacientů. Hlavním cílem této disertační práce je prozkoumat možnosti použití kvantitativní paraklinické analýzy HD, s použitím parametrizace řeči, statistického zpracování a strojového učení, za účelem diagnózy a objektivního hodnocení PN. Tato práce dokazuje, že počítačová akustická analýza je schopná dostatečně popsat HD, speciálně tzv. dysprozodii, která se projevuje nedokonalou intonací a nepřirozeným tempem řeči. Navíc také dokazuje, že použití klinicky interpretovatelných akustických parametrů kvantifikujících různé aspekty HD, jako jsou fonace, artikulace a prozodie, může být použito k objektivnímu posouzení závažnosti motorických a nemotorických symptomů vyskytujících se u pacientů s PN. Dále tato práce prezentuje výzkum společných patofyziologických mechanizmů stojících za HD a zárazy v chůzi při PN. Nakonec tato práce dokazuje, že akustická analýza HD může být použita pro odhad progrese zárazů v chůzi v horizontu dvou let.Hypokinetic dysarthria (HD) is a speech disorder occurring in up to 90% of patients suffering from idiopathic Parkinson’s disease (PD) that significantly contributes to unnaturalness and incomprehensibility of speech of these patients. The main aim of this doctoral thesis is to investigate possibilities of using quantitative para-clinical analysis of HD, employing speech parametrization, statistical analyses, and machine learning techniques, for diagnosis and remote objective assessment of PD. This thesis demonstrates that it is possible to use computerized acoustic analysis to sufficiently describe HD, especially dysprosody, which is characterized by flat speech melody and unnatural speech rate. Moreover, it demonstrates it is also possible to use robust clinically interpretable acoustic parameters quantifying various manifestations of HD, such as phonation, articulation, and prosody, to assess the severity of motor and non-motor symptoms of PD. Next, it presents the investigation of pathophysiological mechanisms shared by HD and freezing of gait in PD. And finally, it proves it is also possible to accurately estimate the change in gait-related deficits in the horizon of two years using acoustic analysis at the baseline.