Die zitternde Stimme ... Eine verwirrte Silbe ... Die Stille, die sich zwischen den Wörtern ausdehnte ... Dieser Rhythmus, der gegen Ende des Satzes ausgesprochen wird ... Für jeden von uns erlauben uns diese und andere Wendungen der Sprache, auf den Gesprächspartner zu schließen Ermitteln Sie die Absichten und Andeutungen Ihres Gesprächspartners, erraten Sie, wie müde oder gelangweilt er ist, und bewerten Sie sogar Ihre Überzeugung von dem, was Sie behaupten. In den Händen von Experten werden solche Phänomene nun auch zu wichtigen Anhaltspunkten für die Beurteilung einer der häufigsten Gehirnerkrankungen der Welt: der Parkinson-Krankheit.
Einer von 100 Menschen über 60 Jahre ist von der Parkinson-Krankheit betroffen. Sie ist heute die zweithäufigste neurodegenerative Erkrankung und wird nur noch von der Alzheimer-Krankheit übertroffen.
Aufgrund neurodegenerativer Prozesse, die die frontostriatalen Bahnen (Hirnkreisläufe, die die Basalganglien mit den frontalen, präfrontalen und zerebellären Regionen verbinden) beeinträchtigen, kommt es bei den Patienten zu motorischen und kognitiven Störungen. Zu ersteren zählen Rigidität, Ruhezittern, langsame Bewegungen und insbesondere verschiedene Formen der Dysarthrie . Letztere sind zu einem Schwerpunkt wachsenden Forschungsinteresses in mehreren Bereichen geworden.
Unter Dysarthrie versteht man eine Reihe neuromuskulärer Veränderungen, die die Fähigkeit beeinträchtigen, die für die Sprachproduktion verantwortlichen Sprachorgane zu kontrollieren.
Zu seinen vielen Erscheinungsformen gehören Anomalien im Rhythmus (z. B. die relative Dauer von Silben und Pausen), in der Intonation (Tonhöhenschwankungen während einer Äußerung) und beim Übergang von einem Laut zum anderen (z. B. die Fähigkeit, die Stimmbänder sofort zu aktivieren, wenn). von /p/ zu /a/ gehen, wenn man „Papa“ sagt).
Die Untersuchung der Dysarthrie bei der Parkinson-Krankheit ist aus mehreren Gründen unerlässlich. 1. Erstens beeinträchtigen diese Defizite die Verständlichkeit, das Selbstbild und die Funktionalität von Patienten, sodass ihre Erkennung und Charakterisierung einen Beitrag zu klinischen und therapeutischen Aufgaben leisten. |
Allerdings ist die Beurteilung einer Dysarthrie alles andere als optimal. Typischerweise wird eine subjektive Gewichtung verwendet, bei der ein einzelner Bewerter auf der Grundlage seines Eindrucks von den Fähigkeiten des Patienten Punkte auf fünfstufigen Skalen festlegt (wobei 0 völlig normal und 4 deutlich beeinträchtigt ist).
Obwohl dieser Ansatz weltweit Standard ist, weist er klare Einschränkungen auf, da er auf hochqualifiziertes Personal angewiesen ist, in Längsschnittbewertungen tendenziell Obergrenzeneffekte zeigt und in bestimmten Kontexten eine geringe Validität und Zuverlässigkeit aufweist. Darüber hinaus reicht es nicht aus, feine Unterscheidungen zwischen den bisher dokumentierten multiplen dysarthrischen Profilen zu treffen. Es kommt vor, dass Sprachstörungen von Patient zu Patient in der Regel systematisch, aber subtil variieren.
Diesen Herausforderungen stellte sich eine Gruppe lateinamerikanischer Forscher unter der Leitung der Ärzte Adolfo García (Co-Direktor des Zentrums für kognitive Neurowissenschaften an der Universität San Andrés, Argentinien; und Senior Atlantic Fellow am Global Brain Health Institute der University of California). , San Francisco, USA) und Juan Rafael Orozco-Arroyave (ordentlicher Professor des GITA Lab an der Fakultät für Ingenieurwissenschaften der Universität Antioquia, Medellín, Kolumbien; und assoziierter Forscher an der Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Deuschland).
In einem in Movement Disorders veröffentlichten Artikel ( https://doi.org/10.1002/mds.28751 ) implementierte das Team von García und Orozco-Arroyave einen neuen Ansatz mit drei charakteristischen Merkmalen.
Anstelle subjektiver Bewertungen verwendeten sie automatisierte Methoden , um das akustische Signal der Sprache der Teilnehmer zu analysieren. Mit diesen digitalen Technologien quantifizierten sie sehr unterschiedliche und spezifische Aspekte auf der prosodischen (Rhythmizität und Tonhöhe), artikulatorischen (Übergang zwischen Sprachlauten) und phonemischen (Unterscheidbarkeit jedes erzeugten Lautes) Ebene.
Um einen Teil der dysarthrischen Variabilität in der Bevölkerung zu erfassen, untersuchten sie eine Gruppe von Patienten mit heterogenen kognitiven Profilen und führten dann zusätzliche Analysen in einer Untergruppe mit leichter kognitiver Beeinträchtigung und einer weiteren mit erhaltenen kognitiven Fähigkeiten durch, jeweils im Vergleich zu gesunden Teilnehmern. Dazu stellten sie zwei mündliche Produktionsaufgaben zur Verfügung: Vorlesen und Nacherzählen von Geschichten. Die jeweils erhaltenen Daten wurden mithilfe von Algorithmen für maschinelles Lernen analysiert, um die charakteristischsten dysarthrischen Dimensionen jeder Gruppe zu identifizieren.
In der gesamten Gruppe (mit kognitiver Heterogenität) sowie in der Untergruppe mit erhaltenen kognitiven Fähigkeiten wurde die höchste Patientenidentifikation (mit einer Genauigkeit von 84 bzw. 80 %) durch die Kombination prosodischer, artikulatorischer und phonemischer Maßnahmen während des Lesens erreicht Aufgabe .
Andererseits wurde in der Gruppe mit leichter kognitiver Beeinträchtigung die beste Patientenidentifikationsrate durch phonemische Analyse während der Aufgabe zum erneuten Erzählen erzielt (mit einer Genauigkeit von 87 %). Dieses letzte Muster ermöglichte es uns sogar, zwischen Patienten aus beiden Untergruppen mit einer Genauigkeit von mehr als 70 % zu unterscheiden. „Dieser Befund ist bemerkenswert“, sagt García, „da die subjektiven Bewertungen erfahrener Neurologen nicht zwischen Patienten jeder Untergruppe unterscheiden können.“ Schließlich konnten die verwendeten Messungen die Schwere der kognitiven Symptome der Patienten vorhersagen.
„Diese Ergebnisse zeigen, dass automatisierte Sprachbeurteilungen zur klinischen Beurteilung der Parkinson-Krankheit beitragen können, mit klaren Vorteilen gegenüber herkömmlichen Ansätzen“, sagt Dr. Orozco-Arroyave. „Ein hervorzuhebender Punkt“, fügt García hinzu, „ist, dass dieser digitale Ansatz die mit der menschlichen Gewichtung verbundenen Vorurteile überwindet, auf spezialisiertes klinisches Personal verzichtet, eine deutliche Kostenreduzierung mit sich bringt und eine enorme Skalierbarkeit ermöglicht, selbst durch Fernaufzeichnungen (z. B. über Mobiltelefone). ).
Diese Vorteile sind besonders relevant in Lateinamerika, wo es vielen klinischen Zentren an spezifischen Schulungsmöglichkeiten für die Beurteilung von Dysarthrie mangelt und wo die Kosten typischer Ansätze für eine große Anzahl von Patienten oft unerschwinglich sind. In diesem Sinne kommt García zu dem Schluss: „Der strategische Einsatz digitaler Innovationen in der klinischen Arbeit stellt ein Bekenntnis zu globaler Gerechtigkeit im Bereich der Gehirngesundheit dar.“
