研究人员在仅通过个人口语监测、诊断或排除帕金森病的两种算法方法中实现了 99.4% 和 94.3% 的准确率。

该团队构建了一组 126 个语音标记(即“特征”)，涉及从音调、音高和响度到发音、节奏和停顿比的所有内容。

此外，他们用最好的模型分析了每个研究对象(50 名帕金森病患者和 50 名健康对照者)发音的 25 个孤立的西班牙语单词。

该研究的主要作者是都灵理工大学计算机工程博士生 Federica Amato。资深作者是哥伦比亚麦德林安蒂奥基亚大学的电子工程师和计算机科学家 Juan Rafael Orozco-Arroyave 博士。

该团队结合了这些工程见解来设计用于帕金森氏症分类的高性能机器学习模型。

Amato 及其同事指出，该模型的有希望的性能证明了使用录音进行自动帕金森评估的概念。

更重要的是，他们建议，这种方法可能很容易移植到消费者平台，一个简单的智能手机应用程序将是一个明智的开发。